کاربرد الگوریتم ژنتیک در پیش بینی قیمت مسکن در مهندسی عمران
محل انتشار: سومین کنفرانس بین المللی معماری،عمران،شهرسازی،محیط زیست و افق های هنر اسلامی در بیانیه گام دوم انقلاب
سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 54
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICACU03_1596
تاریخ نمایه سازی: 29 فروردین 1403
چکیده مقاله:
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 .
کلیدواژه ها:
نویسندگان
حسن غفاری
فارغ التحصیل کارشناسی ارشد دانشگاه علم و صنعت ایران