49901

ПРОГНОЗИРОВАНИЕ СРЕДНЕЙ СТОИМОСТИ ЖИЛОЙ НЕДВИЖИМОСТИ С ИСПОЛЬЗОВАНИЕМ НЕЙРОСЕТИ

Курсовая

Информатика, кибернетика и программирование

Принципы и методы прогнозирования и оценки недвижимости. Методы оценки недвижимости основанные на сравнении рыночной информации Методы оценки недвижимости основанные на анализе затрат.

Русский

2014-01-12

382.5 KB

19 чел.

Федеральное агентство по образованию

Государственное образовательное учреждение высшего профессионального образования

«ПЕРМСКИЙ ГОСУДАРСТВЕННЫЙ ПЕДАГОГИЧЕСКИЙ УНИВЕРСИТЕТ»

Факультет информатики и экономики

Кафедра прикладной информатики






КУРСОВАЯ РАБОТА

ПРОГНОЗИРОВАНИЕ СРЕДНЕЙ СТОИМОСТИ ЖИЛОЙ НЕДВИЖИМОСТИ

С ИСПОЛЬЗОВАНИЕМ НЕЙРОСЕТИ

ИСПОЛНИТЕЛЬ: студентка гр. 1243

Митюкова М. Е.

НАУЧНЫЙ РУКОВОДИТЕЛЬ:

Профессор Ясницкий Л.Н.

Пермь 2007


[0.1]

[0.2]
Введение

[1]
1.Недвижимость и её оценка и прогнозирование

[1.1] 1.1Понятие оценки и прогнозирования

[1.2]
1.2 Принципы и методы прогнозирования и оценки  недвижимости.

[1.3] Методы оценки недвижимости, основанные на сравнении рыночной информации

[1.4] Методы оценки недвижимости, основанные на анализе затрат

[1.5]
1.3 Ситуация на Пермском рынке жилой недвижимости в данное время.

[2]
2. Нейронные сети и их применение в задачах прогнозирования.

[2.1] 2.1 Понятие нейронных сетей и персептрона

[2.2]
2.2 Применение нейронных сетей в прогнозировании стоимости квартир

[2.3] Заключение

[3]
Список литературы


Введение

Недвижимость в настоящее время является основным объектом вкладов, споров и возмущений. Становление рынка недвижимости в Перми в данный момент происходит очень активно. Причинами этому можно назвать активное развитие экономики края в целом, как следствие огромный приток рабочих ресурсов как из различных районов края, так и других регионов России и стран ближнего зарубежья. Жилья не хватает, цены постоянно растут, но так ли постоянен рост цен? Данная тема интересует всех без исключения. Недвижимость – это огромный рынок. Изменение цен важно компаниям-строителям, риэлторам, людям, вкладывающим в недвижимость, и тем, кто желает обеспечить себя постоянным жильём. Прогнозирование средней стоимости квартир строится на оценке стоимости в настоящее время, и анализе основных тенденций и проблем развития рынка недвижимости.

Однако, оценка недвижимости – это ещё и серьёзная деятельность, которая достаточно жёстко регламентируется  «Федеральным законом об оценочной деятельности в Российской федерации» и «Стандартом Российского общества оценщиков». Но момент субъективности обязательно присутствует в процессе оценки, это может объясняться как различным уровнем профессионализма, так и другими причинами. 

Но, кроме уже известных методов оценки, исследуются и применяются и другие методы оценки недвижимости. В частности, с использованием нейронных сетей.

Нейронные сети – прогрессивно развивающееся  в настоящее время направление. Уже существует большое количество областей применения нейронных сетей: автоматизация процессов распознавания образов, адаптивное управление, прогнозирование, создание экспертных систем, организация ассоциативной памяти и многие другие приложения.

К тому же уже существуют успешные примеры применения нейронных сетей в оценке недвижимости, о чём будет рассказано позже.

Целью данной работы обозначим – определение актуальности применения нейронных сетей в оценке  и прогнозировании цен на недвижимость. Объектом будет – недвижимость Пермского края, а предметом – нейронные сети.

Для исследования данной проблемы разберём и решим следующие задачи:

  1.  Рассмотрение понятия недвижимости и оценки недвижимости.
    1.  Определение основных принципов и методов оценки недвижимости.
    2.  Рассмотрение ситуации на Пермском рынке недвижимости
    3.  Рассмотрение основных понятий нейросети
    4.  Описание возможности применения персептрона в оценке стоимости квартиры
    5.  Проектирование модели прогнозирования и оценки стоимости квартир
    6.  Исследование и анализ полученной модели.


1.Недвижимость и её оценка и прогнозирование

1.1Понятие оценки и прогнозирования

Прогнозирование средней цены на недвижимость строится на основе уже существующей оценки и анализа имеющихся данных.

В «Стандарте Российского общества оценщиков» дано такое определение имуществу. Недвижимое имущество (недвижимые вещи) - земельные участки, участки недр, обособленные водные объекты и все, что прочно связано с землей, как то: здания, сооружения, леса и многолетние насаждения. Недвижимое имущество определено как имущество, перемещение которого без несоразмерного ущерба его назначению невозможно. Законом к недвижимому имуществу также относятся воздушные и морские суда, суда внутреннего плавания, космические объекты. Законом к недвижимым вещам может быть отнесено и иное имущество.

Правовые признаки недвижимого имущества изложены в статье 130 Гражданского Кодекса РФ: "К недвижимым вещам (недвижимое имущество, недвижимость) относятся земельные участки, участки недр, обособленные водные объекты и все, что прочно связано с землей, то есть объекты, перемещение которых без несоразмерного ущерба их назначению невозможно, в том числе леса, многолетние насаждения, здания, сооружения".

Оценка рыночной стоимости недвижимости является самым распространенным видом оценочной деятельности и включает в себя определение стоимости объекта или отдельных прав в отношении оцениваемого объекта, например, права аренды, права пользования и т.д. Зачастую, стоимость недвижимости является очевидной для ее владельцев или возможных покупателей. Однако, после проведения оценочной экспертизы, ее стоимость может быть значительно скорректирована. Для определения этой реальной стоимости и производится оценка недвижимости.

Оценка недвижимости необходима при:

  •  операциях купли-продажи или сдаче в аренду
  •  акционировании предприятий и перераспределении имущественных долей;
  •  привлечении новых пайщиков и дополнительной эмиссии акций;
  •  кадастровой оценке для целей налогообложения объектов недвижимости: зданий и земельных участков;
  •  страховании объектов недвижимости;
  •  кредитовании под залог объектов недвижимости;
  •  внесении объектов недвижимости в качестве вклада в уставный капитал предприятий и организаций;
  •  разработке и оценке эффективности инвестиционных проектов и привлечении инвесторов;
  •  ликвидации объектов недвижимости;
  •  исполнении прав наследования, судебного приговора, разрешении имущественных споров (в том числе и бракоразводные процессы);
  •  других операциях, связанных с реализацией имущественных прав на объекты недвижимости;
  •  для расчета суммы налогов на недвижимость. 

Оценка может быть проведена в отношении таких объектов, как:

- земельные участки

- объекты жилой недвижимости (квартиры, коттеджи)

- объекты коммерческой недвижимости (офисные помещения, гостиницы, торговые и складские площади)

- объекты промышленной недвижимости

- сооружения

- инженерные коммуникации

- объекты незавершенного строительства


1.2 Принципы и методы прогнозирования и оценки  недвижимости.

На современном этапе под методом прогнозирования понимают способ исследования объекта, направленный на разработку прогноза. Для экономических целей применяется более полутора сотен методов прогнозирования.

Основная классификация подразделяет все методы на две группы: субъективные (т. е. с привлечением экспертов) и объективные (основанные на математической формализации прогнозируемых процессов). В числе последней группе в свою очередь можно выделить следующие методы: сглаживания, методы скользящих средних, методы корреляционно-регрессионного анализа, методы авторегрессии и др. 

Методы оценки недвижимости

Методология оценки недвижимости

Теоретическим фундаментом методов оценки недвижимости является единый набор оценочных принципов, среди основных принципов обычно выделяют следующие:

  •  Принцип наилучшего и наиболее эффективного использования означает, что при оценке земельного участка из всех возможных (разрешенных) вариантов его использования выбирается наилучший и наиболее доходный, и именно он используется для оценки. При этом учитываются только те варианты использования, которые, во-первых, соответствуют юридическим нормам (включая градостроительные ограничения, требования по охране окружающей среды, памятников истории, архитектуры, благоустройству прилегающей территории), реализация которых, во-вторых, возможны физически и которые, в-третьих, приносят доход (если речь идет о коммерческой оценке). В результате выбирается тот вариант использования, при котором может быть получена максимальная цена с учетом всех правовых, градостроительных, экологических и иных ограничений.
  •   Принцип спроса и предложения учитывает при оценке объекта недвижимости действие закона спроса и предложения, который влияет на рыночную стоимость объекта недвижимости, как и любого товара на рынке.
  •  Принцип изменения предполагает учет при оценке объектов недвижимости возможных изменений природных и социально - экономических условий, в которых находится объект.
  •  Принцип замещения предполагает наличие вариантов выбора для покупателя, иначе говоря, стоимость объекта недвижимости (земельного участка) зависит от того, имеются ли на рынке аналогичные объекты или объекты, заменяющие данный.
  •  Принцип соответствия указывает на то, что оцениваемый объект (участок земли) имеет наивысшую стоимость при условии его некоторого сходства с окружающими объектами по использованию, по размеру и стилю, при минимальных затратах на его освоение. Иначе говоря, если все экономические факторы, обусловливающие максимальную полезность и доходность данного участка, сбалансированы наилучшим образом.
  •  Принцип прогрессии или регрессии показывает, насколько стоимость оцениваемого объекта приближается (или отличается) к стоимости окружающих его объектов, отличающихся от него своими размерами и качеством. Этот принцип соотносится с принципами изменения, замещения и соответствия, описанными выше.
  •  Принцип конкуренции отражает регулирующее действие рыночных механизмов: рыночный спрос порождает прибыль, а прибыль создает конкуренцию.
  •  Принцип вклада показывает, насколько дополнительный вклад средств в улучшение объекта недвижимости (земельного участка) увеличивает его рыночную стоимость.
  •  Принцип ожидания показывает, что стоимость объекта недвижимости - текущая стоимость всех будущих доходов, полученных от его использования (включая продажу и стоимость объектов недвижимости, прежде всего земельных участков), - постоянно растет в силу увеличения спроса и ограничения предложения.

Профессиональные оценщики разработали логический и систематический подход к оценке недвижимости различных типов. Он реализуется через серию последовательных шагов, позволяющих принять во внимание все важные и значимые рыночные факты, которые могут повлиять на стоимость собственности.

Существует три метода оценки недвижимости:

  1.  Затратный метод оценки недвижимости - совокупность методов оценки стоимости недвижимости, основанных на определении затрат, необходимых для ее восстановления либо замещения, с учетом накопленного износа;
  2.  Рыночный метод оценки недвижимости - совокупность методов оценки стоимости недвижимости, основанных на сравнении объекта оценки с аналогичными объектами, в отношении которых имеется информация о ценах сделок с ними;
  3.  Доходный метод оценки недвижимости - совокупность методов оценки стоимости недвижимости, основанных на определении ожидаемых доходов от коммерческого использования оцениваемого имущества.

Структура  методов оценки недвижимости

Основанные на доходном подходе: метод капитализации доходов, метод, основанный на дисконтировании будущих доходов.

Основанные на затратном подходе: подход основанный на анализе затрат с точки зрения восстановления или замещения Объекта оценки.

Основанные на рыночном подходе: методы, основанные на информации по объектам аналогам

Методы оценки недвижимости, использующие капитализированные доходы и дисконтированные будущие доходы

Методы данного подхода опираются на оценку будущих доходов, то есть используют для оценки недвижимости перспективные результаты по коммерческому использованию Объекта оценки.

Метод, использующий капитализированные доходы может применяться, когда ожидается, что будущие результаты деятельности не будут существенно отличаться от их текущего нормализованного объема, или если будущие доходы будут расти прогнозируемыми темпами.

Метод, основанный на дисконтировании будущих доходов, используется, когда будущие доходы могут быть достаточно обоснованно определены и ожидается их существенное отличие от текущего уровня вследствие действия факторов различного характера.

Методы оценки недвижимости, основанные на сравнении рыночной информации

Главное требование при использовании методов на основе рыночного подхода состоит в том, чтобы подобрать сопоставимые объекты и ретроспективную информацию по сделкам с ними. Зачастую данный подход используется как проверка на "здравый смысл" результатов применения других подходов.

Методы оценки недвижимости, основанные на анализе затрат

Методы данной группы оперируют текущими затратами на воспроизводства собственности, за вычетом аккумулированного накопленного износа по Объекту. Ограничением данной группы методов является то, что полученные результаты не отражают действия сил спроса и предложения на рынке недвижимости.

В целях получения окончательной оценки стоимости Объекта оценки, применяют метод взвешивания результатов полученных указанными выше методами, в том числе взвешивания самих оценочных методов.

Существует два основных подхода, которые могут быть использованы для выведения общего окончательного показателя оценки недвижимости: подход, основанный на математическом взвешивании (математический подход), подход, основанный на субъективном взвешивании (субъективный подход).

Задача того и другого метода оценки недвижимости - получить единственную оценку стоимости компании. Отличие состоит в том, что при применении субъективного подхода, для достижения этой цели не требуется использовать процентные веса. В рамках математического подхода к взвешиванию, каждой оценке придается процентный вес так, что сумма весов составляет 100%. Наиболее подходящий метод получит наибольший процентный вес, а наименее подходящий метод - получит самый низкий процентный вес.


1.3 Ситуация на Пермском рынке жилой недвижимости в данное время.

Несмотря на постепенное увеличение объема предложения недвижимости на рынке, в целом наблюдался достаточно бурный рост цен на объекты недвижимости центральных районов города, как на рынке новостроек и строящихся объектов, так и на рынке вторичных объектов.

Необходимо отметить, что уровень в 50 тыс.руб./кв.м. на сегодняшний день является определенным психологическим и финансовым барьером. В приведенной выше таблице наглядно видно, что средняя рыночная стоимость новостроек вплотную приблизилась к этой цифре. Рынок вторичной недвижимости по состоянию на 15 апреля 2007г. с успехом преодолел этот барьер.

Отметим также, что наиболее быстрыми темпами дорожают объекты удаленных районов нашего города. Стремительно дорожающее жильё оказывает влияние  на выбор потенциального покупателя - интерес вынужденно смещается в сторону более бюджетных объектов. При этом  географические особенности Перми, в частности, расположение города на достаточно значительной площади, диктуют свои требования рынку недвижимости. На сегодняшний момент разница в рыночной стоимости жилой недвижимости в удаленных районах города (Кировский, Орджоникидзевский) по сравнению с центром города различается практически в два раза, а по сравнению с районами средней удалённости в 1,5 раза. Для сравнения, отметим, что в г. Екатеринбурге, разница составляет не более 40 %.


2. Нейронные сети и их применение в задачах прогнозирования.

2.1 Понятие нейронных сетей и персептрона

Искусственные нейронные сети индуцированы биологией, так как они состоят из элементов, функциональные возможности которых аналогичны большинству элементарных функций биологического нейрона. Эти элементы затем организуются по способу, который может соответствовать (или не соответствовать) анатомии мозга. Несмотря на такое поверхностное сходство, искусственные нейронные сети демонстрируют удивительное число свойств присущих мозгу. Например, они обучаются на основе опыта, обобщают предыдущие прецеденты на новые случаи и извлекают существенные свойства из поступающей информации, содержащей излишние данные.

Нейронные сети  - это одно из направлений компьютерной индустрии  в основе которого лежит идея создания искусственных интеллектуальных устройств по образу и подобию человеческого мозга. Основатели же нейрокибернетики задались целью создания электронных устройств, структурно и функционально адекватных мозгу.

Исторически первой работой, заложившей теоретический фундамент для создания интеллектуальных устройств, не только функционально, но и структурно моделирующих человеческий мозг, принято считать опубликованную в 1943 г. Статью Уоррена Мак-Каллока и Вальтера Питтса . Её авторы выдвинули гипотезу математического нейрона – устройства, моделирующего мозг человека, предложили конструкцию сети из математических нейронов и показали, что такая сеть можнт выполнять числовые и логические операции. Далее они высказали идею о том, что сеть из математических нейронов в состоянии обучаться, распознавать образы, обобщать, т.е. она обладает свойствами человеческого интеллекта.

Рис 1.

На рис.1. показана структура пары типичных биологических нейронов. Дендриты идут от тела нервной клетки к другим нейронам, где они принимают сигналы в точках соединения, называемых синапсами. Принятые синапсом входные сигналы подводятся к телу нейрона. Здесь они суммируются, причем одни входы стремятся возбудить нейрон, другие – воспрепятствовать его возбуждению. Когда суммарное возбуждение в теле нейрона превышает некоторый порог, нейрон возбуждается, посылая по аксону сигнал другим нейронам. У этой основной функциональной схемы много усложнений и исключений, тем не менее, большинство искусственных нейронных сетей моделируют лишь эти простые свойства.

На рисунке изображена модель нейрона с тремя входами (дендритами), причем синапсы этих дендритов имеют веса w1, w2, w3. Пусть к синапсам поступают импульсы силы x1, x2, x3 соответственно, тогда после прохождения синапсов и дендритов к нейрону поступают импульсы w1x1, w2x2, w3x3. Нейрон преобразует полученный суммарный импульс x=w1x1+ w2x2+ w3x3 в соответствии с некоторой передаточной функцией f(x). Сила выходного импульса равна y=f(x)=f(w1x1+ w2x2+ w3x3).
Таким образом, нейрон полностью описывается своими весами w
k и передаточной функцией f(x). Получив набор чисел (вектор) xk в качестве входов, нейрон выдает некоторое число y на выходе.

Оказывается, что после многократного предъявления примеров веса нейронной сети стабилизируются, причем нейронная сеть дает правильные ответы на все (или почти все) примеры из базы данных. В таком случае говорят, что "нейронная сеть выучила все примеры", "нейронная сеть обучена", или "нейронная сеть натренирована". В программных реализациях можно видеть, что в процессе обучения величина ошибки (сумма квадратов ошибок по всем выходам) постепенно уменьшается. Когда величина ошибки достигает нуля или приемлемого малого уровня, тренировку останавливают, а полученную нейронную сеть считают натренированной и готовой к применению на новых данных.
    Важно отметить, что вся информация, которую нейронная сеть имеет о задаче, содержится в наборе примеров. Поэтому качество обучения нейронной сети напрямую зависит от количества примеров в обучающей выборке, а также от того, насколько полно эти примеры описывают данную задачу. Так, например, бессмысленно использовать нейронную сеть для предсказания финансового кризиса, если в обучающей выборке кризисов не представлено. Считается, что для полноценной тренировки нейронной сети требуется хотя бы несколько десятков (а лучше сотен) примеров.


2.2 Применение нейронных сетей в прогнозировании стоимости квартир

Стоимость дома или квартиры зависит от большого числа факторов, таких как общая площадь, удаленность от центра, экологическая обстановка, престижность, тип дома, и т.д. Так как вид этой зависимости неизвестен, то стандартные методы анализа неэффективны в задаче оценки стоимости квартиры. Как правило, эта задача решается экспертами-оценщиками, работающими в агентстве по недвижимости. Недостатком такого подхода является субъективность оценщика, а также возможные разногласия между различными экспертами.
    Существуют успешные примеры решения задачи объективной оценки с помощью нейросети. В частности, фирма Attrasoft приводит пример оценки стоимости домов в Бостоне с учетом 13 параметров.
 

Мы выбираем несколько параметров оценки будущей стоимости жилой недвижимости.

Х1 – выбранный месяц сентябрь – 2006 года

Х2 – выбранный месяц ноябрь – 2006 года

Х3 – выбранный месяц январь – 2007 года

Х4 – выбранный месяц февраль – 2007 года

Х5 – выбранный месяц март – 2007 года

Х6 – выбранный месяц апрель – 2007 года

Х7 – выбранный месяц май – 2007 года

Х8 – расположение в Дзержинском районе г.Пермь

Х9 – расположение в Индустриальном районе г.Пермь

Х10 – расположение в Кировском районе г.Пермь

Х11 – расположение в Ленинском районе г.Пермь

Х12 – расположение в Мотовилихинском районе г.Пермь

Х13 – расположение в Ордженикидзевском районе г.Пермь

Х14 – расположение в Свердловском районе г.Пермь

Х15 – тип жилья

       1 – первичное

       2 - вторичное

Y – средняя цена за квадратный метр на данный период



Обучающая выборка:

Х1

Х2

Х3

Х4

Х5

Х6

Х7

Х8

Х9

Х10

Х11

Х12

Х13

Х14

Х15

Y

1

0

0

0

0

0

0

1

0

0

0

0

0

0

1

34,7

0

1

0

0

0

0

0

1

0

0

0

0

0

0

1

36,2

0

0

1

0

0

0

0

1

0

0

0

0

0

0

1

39,5

0

0

0

1

0

0

0

1

0

0

0

0

0

0

1

46,2

0

0

0

0

1

0

0

1

0

0

0

0

0

0

1

45,3

0

0

0

0

0

1

0

1

0

0

0

0

0

0

1

48,4

0

0

0

0

0

0

1

1

0

0

0

0

0

0

1

50,4

0

1

0

0

0

0

0

0

1

0

0

0

0

0

1

36,8

0

0

1

0

0

0

0

0

1

0

0

0

0

0

1

39,7

0

0

0

1

0

0

0

0

1

0

0

0

0

0

1

46,8

0

0

0

0

0

1

0

0

1

0

0

0

0

0

1

51,3

0

0

0

0

0

0

1

0

1

0

0

0

0

0

1

51,6

1

0

0

0

0

0

0

0

0

1

0

0

0

0

1

24,6

0

1

0

0

0

0

0

0

0

1

0

0

0

0

1

26,8

0

0

1

0

0

0

0

0

0

1

0

0

0

0

1

28,4

0

0

0

1

0

0

0

0

0

1

0

0

0

0

1

36,3

0

0

0

0

1

0

0

0

0

1

0

0

0

0

1

32,7

0

0

0

0

0

1

0

0

0

1

0

0

0

0

1

35,6

0

0

0

0

0

0

1

0

0

1

0

0

0

0

1

36,2

1

0

0

0

0

0

0

0

0

0

1

0

0

0

1

44,6

0

1

0

0

0

0

0

0

0

0

1

0

0

0

1

44,2

0

0

1

0

0

0

0

0

0

0

1

0

0

0

1

49,1

0

0

0

1

0

0

0

0

0

0

1

0

0

0

1

56,1

0

0

0

0

1

0

0

0

0

0

1

0

0

0

1

66,3

0

0

0

0

0

1

0

0

0

0

1

0

0

0

1

77,1

1

0

0

0

0

0

0

0

0

0

0

1

0

0

1

34,1

0

1

0

0

0

0

0

0

0

0

0

1

0

0

1

35,6

0

0

1

0

0

0

0

0

0

0

0

1

0

0

1

40,9

0

0

0

1

0

0

0

0

0

0

0

1

0

0

1

44,3

0

0

0

0

1

0

0

0

0

0

0

1

0

0

1

48,8

0

0

0

0

0

1

0

0

0

0

0

1

0

0

1

52,2

0

0

0

0

0

0

1

0

0

0

0

1

0

0

1

52,9

1

0

0

0

0

0

0

0

0

0

0

0

1

0

1

23,8

0

1

0

0

0

0

0

0

0

0

0

0

1

0

1

25,4

0

0

1

0

0

0

0

0

0

0

0

0

1

0

1

29,9

0

0

0

1

0

0

0

0

0

0

0

0

1

0

1

29,7

0

0

0

0

1

0

0

0

0

0

0

0

1

0

1

33,9

0

0

0

0

0

1

0

0

0

0

0

0

1

0

1

34,4

0

0

0

0

0

0

1

0

0

0

0

0

1

0

1

34,1

1

0

0

0

0

0

0

0

0

0

0

0

0

1

1

37,7

0

1

0

0

0

0

0

0

0

0

0

0

0

1

1

40

0

0

1

0

0

0

0

0

0

0

0

0

0

1

1

47

0

0

0

1

0

0

0

0

0

0

0

0

0

1

1

42,5

0

0

0

0

1

0

0

0

0

0

0

0

0

1

1

50,6

0

0

0

0

0

1

0

0

0

0

0

0

0

1

1

59,1

0

0

0

0

0

0

1

0

0

0

0

0

0

1

1

57,6

1

0

0

0

0

0

0

1

0

0

0

0

0

0

2

33,6

0

1

0

0

0

0

0

1

0

0

0

0

0

0

2

34,4

0

0

0

1

0

0

0

1

0

0

0

0

0

0

2

48,6

0

0

0

0

1

0

0

1

0

0

0

0

0

0

2

48,2

0

0

0

0

0

1

0

1

0

0

0

0

0

0

2

50,8

0

0

0

0

0

0

1

1

0

0

0

0

0

0

2

50,6

1

0

0

0

0

0

0

0

1

0

0

0

0

0

2

33,7

0

1

0

0

0

0

0

0

1

0

0

0

0

0

2

39

0

0

1

0

0

0

0

0

1

0

0

0

0

0

2

40,4

0

0

0

1

0

0

0

0

1

0

0

0

0

0

2

47,6

0

0

0

0

1

0

0

0

1

0

0

0

0

0

2

48,3

0

0

0

0

0

1

0

0

1

0

0

0

0

0

2

52,6

0

0

0

0

0

0

1

0

1

0

0

0

0

0

2

51,4

1

0

0

0

0

0

0

0

0

1

0

0

0

0

2

26,4

0

1

0

0

0

0

0

0

0

1

0

0

0

0

2

27,6

0

0

1

0

0

0

0

0

0

1

0

0

0

0

2

32,6

0

0

0

1

0

0

0

0

0

1

0

0

0

0

2

36,7

0

0

0

0

1

0

0

0

0

1

0

0

0

0

2

36,9

0

0

0

0

0

1

0

0

0

1

0

0

0

0

2

39,7

0

0

0

0

0

0

1

0

0

1

0

0

0

0

2

40,2

1

0

0

0

0

0

0

0

0

0

1

0

0

0

2

43,5

0

1

0

0

0

0

0

0

0

0

1

0

0

0

2

46,8

0

0

1

0

0

0

0

0

0

0

1

0

0

0

2

51,5

0

0

0

1

0

0

0

0

0

0

1

0

0

0

2

57,3

0

0

0

0

1

0

0

0

0

0

1

0

0

0

2

61,6

0

0

0

0

0

1

0

0

0

0

1

0

0

0

2

70,7

0

0

0

0

0

0

1

0

0

0

1

0

0

0

2

65,2

1

0

0

0

0

0

0

0

0

0

0

1

0

0

2

33,6

0

1

0

0

0

0

0

0

0

0

0

1

0

0

2

32,9

0

0

1

0

0

0

0

0

0

0

0

1

0

0

2

40,9

0

0

0

1

0

0

0

0

0

0

0

1

0

0

2

46,3

0

0

0

0

1

0

0

0

0

0

0

1

0

0

2

47,3

0

0

0

0

0

1

0

0

0

0

0

1

0

0

2

51,1

0

0

0

0

0

0

1

0

0

0

0

1

0

0

2

49,6

0

1

0

0

0

0

0

0

0

0

0

0

1

0

2

28,6

0

0

1

0

0

0

0

0

0

0

0

0

1

0

2

30,6

0

0

0

1

0

0

0

0

0

0

0

0

1

0

2

36,4

0

0

0

0

1

0

0

0

0

0

0

0

1

0

2

35,2

0

0

0

0

0

1

0

0

0

0

0

0

1

0

2

39,3

0

0

0

0

0

0

1

0

0

0

0

0

1

0

2

39

1

0

0

0

0

0

0

0

0

0

0

0

0

1

2

36,3

0

1

0

0

0

0

0

0

0

0

0

0

0

1

2

39

0

0

1

0

0

0

0

0

0

0

0

0

0

1

2

43,7

0

0

0

1

0

0

0

0

0

0

0

0

0

1

2

48,9

0

0

0

0

1

0

0

0

0

0

0

0

0

1

2

50,8

0

0

0

0

0

1

0

0

0

0

0

0

0

1

2

53,8

0

0

0

0

0

0

1

0

0

0

0

0

0

1

2

53,1

Чтобы оценить способность сети к обобщению, помимо обучающей выборки примеров вводим  некоторое количество тестовых примеров, которые относятся к той же самой предметной области, но в процессе обучения не участвуют.

Тестирующая выборка

1

0

0

0

0

0

0

0

1

0

0

0

0

0

1

36,1

0

0

0

0

1

0

0

0

1

0

0

0

0

0

1

50,9

0

0

0

0

0

0

1

0

0

0

1

0

0

0

1

78,1

0

0

1

0

0

0

0

1

0

0

0

0

0

0

2

41,9

1

0

0

0

0

0

0

0

0

0

0

0

1

0

2

24,9



После обучения вычисляем среднеквадратичную погрешность между прогнозом сети  и желаемым выходом сети обучающей или тестируемой.

При увеличении числа нейронов внутренних слоев персептрона погрешность обучения обычно падает, тогда как погрешность обобщения  сначала падает, а затем, начиная с некоторого оптимального значения  возрастает

На нашем примере видно, что оптимальное количество нейронов – 6, так как в этом случае персептрон выдает наиболее достоверную информацию.

Теперь оценим степень влияния различных групп параметров на конечный результат.

Определяем наибольший уровень отклонения при исключении учёта районов в средней стоимости квадратного метра, месяцев и типа жилья.

Из графика видно, что наименьшее влияние среднюю стоимость имеет тип жилья:  первичное или вторичное, а наибольшую – месяц, который мы брали в расчёт.

 

Заключение

Искусственный интеллект – очень активно развивающееся в данный момент направление. Ещё в советские времена наши учёные поняли, насколько перспективно данное направление и, не смотря ни на что, продолжали исследования. Теперь нейронные модели очень активно развиваются и имеют большое будущее.

Применение искусственных нейронных сетей при оценке стоимости недвижимости имеет свои адекватные причины. Проблема жилья стоит достаточно остро не только в Пермском крае, но и по всей России, и волнует не только профессиональных оценщиков, людей, вкладывающих в недвижимость, но и рядовых граждан, которые ищут наиболее простые способы оценки стоимости квартир. При определённых наработках нейронные сети позволят любому гражданину, не имеющему специального образования, при наличии готового программного продукта, оценить стоимость интересующего жилья.

В данной работе мы выбрали влияющие факторы, обучили нейронную систему, выявили оптимальное количество нейронов на скрытом слое, и оценили степень влияния рассмотренных параметров на конечную стоимость квадратного метра объекта недвижимости.

Модель, которую мы исследовали, имеет достаточно обобщённый характер, но, всё-таки, позволяет сделать определённые выводы при прогнозировании стоимости жилой недвижимости, даёт представление о общей ситуации, складывающейся на рынке недвижимости. На этой основе её достаточно легко модифицировать, усовершенствовать, в связи с потребностями конкретного экономического агента или изменившимися условиями в экономике исследуемого региона.

 


Список литературы

  1.  ФЗ N 135-ФЗ «Об оценочной деятельности в Российской федерации» от 29 июля 1998 года.. «Российская газета»
  2.  Каминский А. В. Анализ практики оценки недвижимости - М: Финансы и статистика, 2005, 321стр
  3.  Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика – СПб: Питер, 2006, 257стр.
  4.  Морозова Ж. А. Оценка недвижимости – М: Финансы и статистика, 2007, 496стр.
  5.  . Терехов С.А Лекции по теории и приложениям искусственных нейронных сетей
  6.  Уоссермен Ф «Нейрокомпьютерная техника: Теория и практика»
  7.  Ясницкий Л.Н. Введение в искусственный интеллект: Учеб. пособие для студ. высш. учеб. Заведений– М.: Академия, 2005 – 176стр.
  8.  http://neuronet.alo.ru/biblioteka.html
  9.  http://www.neuroproject.ru/neuro.htm


 

А также другие работы, которые могут Вас заинтересовать

53174. Конкурсна програма на 8 березня «Найвродливіша, найкмітливіша господарочка» 244.5 KB
  2 вед Усіх затьмарять сьогодні красою Ви мабуть згодні зі мною Тож ми радо всім побажаєм: Щоб сонце світило мирно і ясно А наші жінки щоб були прекрасні 1 вед Доброго дня шановні гості учителі та учні нашої школи 2 вед Сьогодні ми зібралися з вами в цій святковій залі щоб провести конкурс краси і молодості. 1 вед Є у нашій школі мама Над всіма найголовніша Треба їй про все подбати...
53175. Світове господарство. Міжнародний географічний поділ праці 141 KB
  Міжнародний географічний поділ праці. Мета: сформувати в учнів систему уявлень про поняття світове господарство міжнародний поділ праці всесвітня інтеграція ; систематизувати знання учнів про закономірності розвитку світового господарства та його структуру; розвивати навички роботи з картою та комп'ютером; сприяти розвитку глобального світосприйняття учнів; формувати комунікативні інформаційні полікультурні соціальні компетентності; сприяти розвитку економічного мислення учнів; виховувати пізнавальний інтерес до предмету. Міжнародний...
53177. Український етикет. Традиції гостинності і вітання на Україні 42.5 KB
  Діти стають у коло разом з вчителем і вітають один одного хором: Привітаємо сонечко: Здрастуй золотаве Усміхнемось один одному Поглянемо ласкаво Хай сьогодні в кожне серце Зустріч додасть тепла А ми друзів привітаємо Побажаємо добра Вчитель: Любі діти у наш клас Завітали люди щирі. Діти разом: Добрий день в добрий час Заходьте будь ласка до нас Дівчина: Гість у дім – радість з ним. Діти а в який гарний день прийшли до нас дорогі гості А скажіть будь ласка яке сьогодні число Який день тижня Яка чудова пора року гостює в...
53178. ПРАВИЛА ГОСТИННОСТІ 43.5 KB
  Арбуз в перекладі з тюркської мови огірок віслюка Ведучий 1 Читання – ось найкраща розвага. А ось прикрасити кімнату плакатами виготовленими власноруч ми можемо. Ось і читання і розвага: загадки – відгадуємо скоромовки – швидко вимовляємо. Ось осінні оси – ось Я пасу осінніх ос Мала Маринка має м’ячик маленький м’ячик м’яко скаче.
53179. В гостях у первой учительницы 30.5 KB
  Дорогие друзья Накануне прекрасного весеннего праздника Международного женского дня мы решили провести устный журнал в вашем классе где ваша учительница Наталья Борисовна была и у многих из нас первой. Итак страница первая Цветы любимой учительнице В весенний день когда все ожидают Прекрасный женский праздник в нетерпенье В семье и в классах обсуждают Какой сюрприз преподнести на удивленье Наталья Борисовна Кроме живых цветов мы дарим Вам особый букет: из сказаний и легенд о цветах художественное чтение на музыкальном...
53180. Учимся интересно, говорим правильно 70 KB
  К таким умениям и навыкам можно отнести следующие: умение фиксировать внимание на фонетических особенностях звучащего слова; умение анализировать свою речь с позиций правильности неправильности и оценки дикции; умение давать аргументированную оценку речи других; умение читать и говорить правильно подражая звучащему образцу; внятно и отчетливо произносить звуки и слова; читать написанное с орфоэпической подготовкой и без таковой; правильно и рационально пользоваться орфоэпическими словарями в которых есть произносительные...
53181. Велика Британія в 19 столітті – народження традицій 929 KB
  Queen Victoria came to the throne as a young woman in 1837 and reigned until her death in 1901. Because of the growth of parliamentary government she was less powerful than previous sovereigns but as queen and empress she ruled over more lands and peoples than any previous monarch. Furthermore, she enjoyed the respect and affection of her British subjects.
53182. Економічний бій 59 KB
  Товар який стихійно виділився з світу товарів щоб відігравати роль загального еквіваленту гроші. Яку функцію виконують гроші якщо їх віддають у банк під процент Чи діє закон попиту на монополістичному ринку Що станеться на товарному ринку з ціною на молоко якщо збільшиться кількість корів і зменшаться доходи споживачів Продовжіть прислів’я: Хочеш втратити друга.дай йому в борг гроші. Командам пропонується згадати прислів’я або приказки про гроші або про працю.