این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
جغرافیا و مطالعات محیطی، جلد ۷، شماره ۲۵، صفحات ۳۳-۴۲
عنوان فارسی مقایسه عملکرد شبکه عصبی و رگرسیون چند متغیره در تخمین قیمت مسکن (مطالعه موردی: شهر اهواز)
چکیده فارسی مقاله مسکن همواره نیازی اساسی در جامعه تلقی می‌گردد. بازار مسکن طی سال‌های گذشته یکی از پرنوسان-ترین بخش‌های اقتصاد کشور ایران بوده است. از آنجایی که نغییرات بخش مسکن تاثیر فراوانی بر سایر بخش‌های اقتصاد دارد بنابراین یکی از نیازهای قابل توجه در امر مسکن، پیش‌بینی دقیق قیمت این کالا می-باشد. در این راستا در پژوهش حاضر با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه، مدلی برای پیش‌بینی قیمت مسکن در شهر اهواز ارائه و نتایج آن با مدل رگرسیون چند متغیره مقایسه گردیده است. نوع تحقیق توسعه‌ای–کاربردی و روش انجام آن توصیفی- تحلیلی می‌باشد. 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 پیش‌بینی قیمت مسکن بوده است. همچنین جهت ارزیابی عملکرد مدل‌ها از ضرایب ، RMSE استفاده شد. ضریب تبیین ( ) با استفاده از رگرسیون چند متغیره 789. و مقدار آن برای شبکه عصبی 918. می‌باشد. نتایج ارزیابی مدل رگرسیون مبین عملکرد ضعیف‌تر این مدل در مقایسه با روش شبکه عصبی مصنوعی است.
کلیدواژه‌های فارسی مقاله شبکه عصبی، رگرسیون چند متغیره، ضریب تبیین، اهواز،
عنوان انگلیسی Comparing the Performance of Neural Networks and Multivariate Regression in the Estimation of Housing Prices (Case Study: Ahvaz City)
چکیده انگلیسی مقاله Housing is a basic need in the community always. Housing market has been one of the most fluctuation sectors of the economy of Iran country over the past years. Since the housing sector changes have a great impact on other sectors of the economy, so one of the significant needs of housing is predicting the price of this good. In this context, in this study by using of multi-layer perceptron neural network, presented a model to predict housing price in the city of Ahvaz and the results compared with the multivariate regression model. This study is a practical–developmental and its method is analytical- descriptive. To do this, 233 samples of statistical unit in 1392 were analyzed on the basis of 16 relevant variables. The results show that multi-layer neural network with 91 percent accuracy have been more accurate compared with the multivariate regression in the predicting housing prices. In addition to evaluating the performance of models coefficients R^2 and RMSE were used. Coefficient of determination (R^2) by using multivariate regression is .789 and its value for neural network is .918. The result of the regression model indicates weaker performance of this model compared to artificial neural network approach.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سعید امانپور |
دانشیار گروه جغرافیا دانشگاه شهید چمران اهواز

اسماعیل سلیمانی راد |
دانشجوی دکتری جغرافیا و برنامه‌ریزی شهری دانشگاه تبریز

لیلا کشتکار |
دانشجوی دکتری جغرافیا و برنامه‌ریزی شهری دانشگاه یزد

صادق مختاری |
دانشجوی دکتری جغرافیا و برنامه‌ریزی روستایی دانشگاه زنجان

نشانی اینترنتی http://ges.iaun.ac.ir/article_607527_9ea95030788c43e64a16f2ac6b603b4c.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1664/article-1664-1548319.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات