کاربرد شاخص های قیمت مسکن به منظور پیش بینی قیمت مسکن با استفاده از شبکه عصبی مصنوعی

چکیده مقاله

پیش بینی روند آتی و نوسانات قیمت مسکن یکی از مسائل مهم تحقیقاتی بازار مسکن است شبکه های عصبی مصنوعی و یادگیریماشین به ندرت در مطالعات موجود استفاده می شود شبکه های عصبی مصنوعی این قابلیت را دارند که گستره وسیعی از داده ها رادریافت کنند و برای رسیدن به خروجی مشخص، همزمان آنها را پردازش کنند در حالی که مدل های پیش بینی سنتی دارایالزامات سختگیرانه بر روی متغیرهای ورودی هستند و در حل مسائل غیرخطی ضعیف هستند برای غلبه بر مشکلات مدل های سنتی، یک رویکرد حافظه کوتاه مدت طولانی LSTM برای پیش بینی قیمت مسکن یک شهر با استفاده از داده های تاریخی پیشنهاد شده است داده های بانک مرکزی ایران و مرکز آمار ایران، متغیرهای تاثیرگذار در قیمت مسکن، در قالب یک ماتریس همبستگیتحلیل شد و پس از انتخاب متغیرهایی که روی قیمت مسکن بیشترین اثرگذاری دارند، میانگین قیمت مسکن تهران پیش بینی شد بررسی ها نشان داد که قیمت طلا، قیمت ارز، شاخص بهای کالا و خدمات و همچنین حجم نقدینگی، بیشترین همبستگی را با قیمتمسکن داشتند

کلیدواژه‌ها

نویسندگان

عرفان صحرایی

دانشجوی کارشناسی ارشد، مهندسی معماری، دانشگاه شهاب دانش قم

نسرین سادات تقویان سوق

دانشجو دکتری گروه شهرسازی دانشگاه آزاد اسلامی واحد یاسوج

محمد رحمانی قصبه

دکتری تخصصی معماری دانشگاه برلین آلمان، عضو هیات علمی دانشگاه شهاب دانش قم

علی ارام

استادیار گروه مهندسی عمران، دانشگاه آزاد اسلامی واحد یاسوج

�قویان سوق، نسرین سادات و ارام، علی،1403،کاربرد شاخص های قیمت مسکن به منظور پیش بینی قیمت مسکن با استفاده از شبکه عصبی مصنوعی،دوازدهمین کنفرانس بین المللی تحقیقات بین رشته ای در عمران، معماری و مدیریت شهری قرن ۲۱،تهران

ارائه‌شده در

مجموعه مقالات دوازدهمین کنفرانس بین المللی تحقیقات بین رشته ای در عمران، معماری و مدیریت شهری قرن ۲۱31 مرداد 1403 · تهران