مقایسه عملکرد شبکه عصبی و رگرسیون چند متغیره در تخمین قیمت مسکن(مطالعه موردی: شهر اهواز)(مقاله پژوهشی دانشگاه آزاد)
منبع:
جغرافیا و مطالعات محیطی سال هفتم بهار ۱۳۹۷ شماره ۲۵
33 - 42
حوزه های تخصصی:
مسکن همواره نیازی اساسی در جامعه تلقی می گردد. بازار مسکن طی سال های گذشته یکی از پرنوسان-ترین بخش های اقتصاد کشور ایران بوده است. از آنجایی که نغییرات بخش مسکن تاثیر فراوانی بر سایر بخش های اقتصاد دارد بنابراین یکی از نیازهای قابل توجه در امر مسکن، پیش بینی دقیق قیمت این کالا می-باشد. در این راستا در پژوهش حاضر با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه، مدلی برای پیش بینی قیمت مسکن در شهر اهواز ارائه و نتایج آن با مدل رگرسیون چند متغیره مقایسه گردیده است. نوع تحقیق توسعه ای–کاربردی و روش انجام آن توصیفی- تحلیلی می باشد. به این منظور 233 نمونه واحد آماری در سال 1392 بر اساس 16 متغیر مربوطه مورد ارزیابی قرار گرفت. نتایج نشان داد که شبکه عصبی پرسپترون چند لایه با دقت 91 درصدی نسبت به رگرسیون چند متغیره دارای دقت بیشتری در پیش بینی قیمت مسکن بوده است. همچنین جهت ارزیابی عملکرد مدل ها از ضرایب ، RMSE استفاده شد. ضریب تبیین ( ) با استفاده از رگرسیون چند متغیره 789. و مقدار آن برای شبکه عصبی 918. می باشد. نتایج ارزیابی مدل رگرسیون مبین عملکرد ضعیف تر این مدل در مقایسه با روش شبکه عصبی مصنوعی است.