fa تخمین قیمت مسکن شهر اهواز با استفاده از شبکه عصبی تخصصي Special پژوهشي Research <div style="text-align: justify;"><span style="font-family:yekanyw;"><span style="font-size:14px;"><span dir="rtl" lang="AR-SA">در </span><span dir="rtl" lang="FA">بعد </span><span dir="rtl" lang="AR-SA">اقتصادی هر جامعه، مسکن همواره یک نیاز اساسی است. از این رو، تحولات بخش مسکن، تأثیر فراوانی بر سایر بخش‌های اقتصاد دار</span><span dir="rtl" lang="FA">ن</span><span dir="rtl" lang="AR-SA">د؛ بنابراین یکی از نیازهای قابل توجه دولت‌ها در امر مسکن، پیش‌بینی دقیق قیمت مسکن و تعیین عوامل تأثیرگذار بر قیمت این کالا است. پژوهش حاضر، با هدف تخمین قیمت مسکن و تعیین عوامل تأثیرگذار بر آن در شهر اهواز، بررسی نسبتاً کاملی از عملکرد شبکه عصبی (مدل پرسپترون چند لایه) در پیش</span><span dir="rtl" lang="FA">‌</span><span dir="rtl" lang="AR-SA">بینی قیمت مسکن انجام داده است. ماهیت تحقیق، توسعه‌ای-کاربردی و روش انجام آن، توصیفی- تحلیلی می‌باشد. در این پژوهش، 233 نمونه واحد آماری در سال 1392 براساس 16 متغیر مربوطه به منظور تخمین قیمت مسکن، مورد ارزیابی قرار گرفته است. از این رو برای ایجاد شبکه عصبی مصنوعی، از نرم‌افزار </span>MATLAB<span dir="rtl"> <span lang="AR-SA">بهره گرفته شد و در نهایت، شبکه‌ای با یک لایه پنهان و 12 نرون، استفاده شد. همچنین به منظور تعیین میزان تأثیرگذاری عوامل گوناگون بر قیمت این کالا، از روش رگرسیون خطی گام به گام، بهره گرفته شده است. نتایج به دست آمده، نشان‌دهنده دقت 91 درصدی شبکه عصبی در تخمین قیمت واحد مسکونی شهر اهواز است. همچنین از بین عوامل تأثیرگذار بر قیمت مسکن در این شهر، زیربنای ساختمان (متراژ) و دسترسی، بیشترین سهم را به خود اختصاص داده‌اند. با توجه به تأثیر بسزای شاخص متراژ زمین و دسترسی، لازم است در برنامه‌ریزی‌های ساخت و ساز مسکن، به این عوامل، بیش از سایر عوامل، اهمیت داده شود.</span></span></span></span></div> <p style="text-align: justify;"><span style="font-size:14px;"><span style="font-family:times new roman;">In the economy of every society, housing is a basic need that should be considered. Hence, development in the housing sector has its effect on other economy sectors. So one of the significant needs of governments in the housing field is the housing price forecasts and determine the factors affecting the price of this product. The present research aimed to estimate the cost of housing and the factors affecting it in Ahwaz, fairly complete study of the neural network (multilayer perception model) to predict housing prices has done. The nature of the research is development-functional and the Way of doing it is analytical. In this research, 233 cases in 1392, according to statistics of the 16 variables were used to estimate the cost of housing. The MATLAB software was used to create an artificial neural network and finally the network with one hidden layer and 12 Nero was used. Also to determine the influence of various factors on the price of this good, it is used from the stepwise linear regression. The results indicated a 91 percent accuracy of neural network for housing price estimating in the city of Ahwaz. As well as the factors that influences the price of housing in the city infrastructure construction (size) and access to the largest accounts. Due to the high impact area of land and access is needed in planning, the construction of housing for these factors is more important than other factors.</span></span></p> تخمین قیمت, مسکن, شبکه عصبی, مدل پرسپترون چند لایه, شهر اهواز, MATLAB. The estimated cost of housing, neural network, multilayer perception model, Ahwaz, MATLAB 45 57 http://iueam.ir/browse.php?a_code=A-10-1-72&slc_lang=fa&sid=1 Saeid Amanpour سعید امان‌پور 10031947532846002257 10031947532846002257 No Ahwaz Shahid Chamran University, Ahwaz, Iran Esmaeil Soleymani Rad اسماعیل سلیمانی‌راد 10031947532846002258 10031947532846002258 No Ahwaz Shahid Chamran University, Ahwaz, Iran Leyla Keshtkar لیلا کشتکار keshtkarleila98@yahoo.com 10031947532846002259 10031947532846002259 Yes Ahwaz Shahid Chamran University, Ahwaz, Iran Sadiq Mokhtari Chelcheh صادق مختاری چلچه 10031947532846002260 10031947532846002260 No Ahwaz Shahid Chamran University, Ahwaz, Iran