کاربرد الگوریتم ژنتیک در پیش بینی قیمت مسکن در مهندسی عمران

پیش بینی روند نوسانات آتی قیمت مسکن مسئله مهمی در تحقیقات مسکن است . رویکرد یادگیری ماشینی به ندرت در مطالعات حال حاضر مورد استفاده قرار می گیرد ، در حالی که مدل های پیش بینی سنتی الزامات سخت گیرانه ای در متغیر های ورودی دارند و در حال مسائل غیر خطی ضعیف هستند. برای غلبه بر مشکلات مدل های سنتی ، یک رویکرد حافظه طولانی کوتاه م دت ، با استفاده از داده های تاریخی ، جهت پیش بینی قیمت مسکن یک شهر مطرح شده است .رویکرد حافظه کوتاه مدت مطرح شده شامل یک الگوریتم ژنتیک اصلاح شده با چند سطح احتمال متقاطع جهت انتخاب ویژگی های مناسب و پارامترهای بهینه می شود.داده های قیمت مسکن و ویژگی های مرتبط به (SHENZHEN) چین از سال ۲۰۱۰ تا ۲۰۱۷ جهت ارزیابی عملکرد مدل استفاده شده است . نتایج نشان می دهد که روش مطرح شده عملکرد خوبی در مدل سازی قیمت مسکن دارد و به وضوح عملکرد بهتری از سایر الگوریتم ها از جمله شبکه تکثیر عصبی برگشتی ، پشتیبانی رگرسیون برداری و رویکردهای سیر تکاملی متفاوت دارد. بنابراین این مدل پیشنهادی می تواند به گونه ای موثر برای پیش بینی قیمت مسکن مورد استفاده قرار بگیرد و در نتیجه می تواند ابزار خوبی برای سیاست گذاران و سرمایه گذاران برای نظارت بر قیمت مسکن باشد .