集成PSO-NN模型在房价预测中的应用研究

作者：段永辉; 高绅; 郭一斌; 王翔

来源：计算机仿真, 2022, 39(10): 476-518.

• 商用住宅
• 价格预测
• 粒子群优化算法
• 集成学习

针对商用住宅价格预测问题，提出了一种基于集成学习的多粒子群优化神经网络预测模型(PSO-NN)。基于文献回顾法，建立商用住宅价格指标体系；其次，提出一种利用粒子群算法(PSO)优化神经网络(NN)权重的PSO-NN模型；进一步提出一种基于bagging集成思想的PSO-NN模型，将新模型应用于郑州市住宅价格预测问题。实验结果表明，集成PSO-NN模型相对于支持向量机、线性回归等传统预测模型，在均方误差、平均绝对误差两项指标上分别提升了26.14%和27.61%;通过可信度分析，集成模型预测结果具有较高的可信度，进一步说明该模型在住宅价格预测中具有较大的优势。结果证明，针对商用住宅价格预测问题，基于bagging的集成学习思想可以进一步提升改进神经网络模型的精度。

• 单位
  郑州航空工业管理学院; 土木工程学院; 河南工业大学