tsta

Home / دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی

ارائه مدل یادگیری ماشین برای پیش بینی بازار مالی قیمت مسکن مبتنی بر یادگیری عمیق

Authors :

زیبا نصیری¹ حسین اقبالی² محمدعلی اقبالی³

1- دانشگاه ایوانکی 2- دانشگاه ایوانکی 3- دانشگاه صنعتی بیرجند

Keywords :

پیش‌بینی قیمت مسکن،یادگیری ماشین،رگرسیون خطی،گرادیان نزولی،متغیرهای کیفی ساختمان،بازار مالی مسکن

Abstract :

این پژوهش به بررسی تأثیر متغیرهای مختلف بر قیمت مسکن در شهر تهران و ارائه یک مدل پیش‌بینی دقیق با استفاده از روش‌های یادگیری ماشین می‌پردازد. در این مطالعه، از یک مدل رگرسیون خطی به‌همراه الگوریتم گرادیان نزولی و تکنیک‌های بهینه‌سازی پیشرفته برای پیش‌بینی قیمت مسکن استفاده شده است. با انجام پیش‌پردازش داده‌ها و مقایسه عملکرد مدل با روش‌های استاندارد، دقت قابل‌قبولی در پیش‌بینی قیمت‌ها حاصل شد. نتایج نشان داد که متغیرهای کیفی ساختمان مانند عرض راه دسترسی (۴ تا ۱۰ متر) و زیربنای واحد مسکونی تأثیر مثبت و معناداری بر قیمت مسکن دارند. همچنین، قیمت زمین به عنوان یک عامل کلیدی در تعیین قیمت نهایی واحدهای مسکونی شناسایی شد. همچنین مشخص گردید که قیمت زمین و عرض راه دسترسی (۴ تا ۱۰ متر) بیشترین تأثیر مثبت را بر قیمت مسکن دارند. از سوی دیگر، عرض راه دسترسی کمتر از ۴ متر، نوع اسکلت بتنی، طول عمر بنا و تعداد واحدهای مسکونی در ساختمان تأثیر منفی بر قیمت گذاری دارند. سایر عوامل تأثیرگذار شامل وجود فن‌کویل، مساحت زیربنا، نوع اسکلت فلزی، انشعاب مستقل تلفن، گاز شهری، شوفاژ و آب لوله‌کشی بودند. این مطالعه می‌تواند به عنوان مبنایی برای توسعه مدل‌های هوشمندتر در پیش‌بینی بازار مسکن مورد استفاده قرار گیرد.