基于Logistic改进ASO算法优化BP神经网络回归预测——以波士顿房价为例

庄俨

doi:10.12184/wspcyycx2WSP2516-415502.20220604

PDF
导出
分享
收藏
专辑

6卷第4期

浏览量: 0 Downloads: 15

基于Logistic改进ASO算法优化BP神经网络回归预测——以波士顿房价为例
基于Logistic改进ASO算法优化BP神经网络回归预测——以波士顿房价为例
哈尔滨工程大学,黑龙江,哈尔滨,150001
2022年6卷第4期页码：19-22
纸质出版日期： 2022 ，
DOI：10.12184/wspcyycx2WSP2516-415502.20220604
Accepted：

Scan QR Code

庄俨. 基于Logistic改进ASO算法优化BP神经网络回归预测——以波士顿房价为例[J]. 创意与创新, 2022,6(4):19-22.

庄俨. 基于Logistic改进ASO算法优化BP神经网络回归预测——以波士顿房价为例. [J]. Creativity and innovation(chinese version), 2022, 6(4): 19-22.
庄俨. 基于Logistic改进ASO算法优化BP神经网络回归预测——以波士顿房价为例[J]. 创意与创新, 2022,6(4):19-22. DOI： 10.12184/wspcyycx2WSP2516-415502.20220604.

庄俨. 基于Logistic改进ASO算法优化BP神经网络回归预测——以波士顿房价为例. [J]. Creativity and innovation(chinese version), 2022, 6(4): 19-22. DOI： 10.12184/wspcyycx2WSP2516-415502.20220604.

摘要

针对目前房价因为受多种因素影响而不稳定波动的现象，预测房价的变动趋势对于现代购房人越来越重要。传统的BP神经网络因其学习能力、容错能力强等优点是一个广泛被采用预测模型。但是因BP神经网络随机产生的权值及阈值导致预测结果精度较低等原因导致预测效果不够准确，因此本文就该问题提出了基于Logistic改进的ASO算法来优化BP神经网络，并且以波士顿房价为例构建训练集测试集，将Logistic-ASO-BP模型与BP，GA-BP[4]，LSTM，BI-LSTM模型进行对比实验，测试结果表明Logistic-ASO-BP模型的预测精度高于其它4个模型，测试集均方差MSE低于其它模型。

Abstract

关键词

原子搜索算法BP神经网络房价预测

Keywords

原子搜索算法BP神经网络房价预测

references

李建锋,卢迪,李贺香.一种改进的原子搜索算法[J/OL].系统仿真学报:1-13[2022-03-12].https://kns-cnki-net.wvpn.hrbeu.edu.cn/kcms/detail/11.3092.V.20210409.1508.008.html[2] 吴丁杰,温立书.基于鲸鱼算法优化Elman神经网络的房价预测[J].长江信息通信,2021,34(10):12-14.[3] 刘亚东. 基于混沌理论和小波神经网络的拥挤交通流短时预测[D].重庆邮电大学,2018.DOI:10.27675/d.cnki.gcydx.2018.000491.[4] 胡业红,何梦,周参军,丁志宏,蔡长庚,马翔宇,张建经.基于GA-BP神经网络的毫秒延时爆破振动速度预测研究[J].中国矿业,2022,31(02):72-77.[5] 胡如乐,陈逸枞,张大海,张沛,王舒杨,喻芸.基于SSA-Bi-LSTM神经网络的母线负荷预测方法[J].广东电力,2022,35(02):19-26.[6] 郭亚东.AdaBoost算法的房价预测服务平台设计[J].电子世界,2021(23):152-53.DOI:10.19353/j.cnki.dzsj.2021.23.064.[7] 孟宪伟,唐进君,王喆.考虑换道意图的LSTM-AdaBoost车辆轨迹预测模型[J/OL].计算机工程与应用:1-9[2022-03-13].https://kns-cnki-net.wvpn.hrbeu.edu.cn/kcms/detail/11.2127.tp.20220303.1932.004.html

文章被引用时，请邮件提醒。

Submit

基于 BP 神经网络的大学生创新创业教育评价研究

Related Author

胡雪梅山东协和学院商学院

刘兰新福士汽车零部件（济南）有限公司

Related Institution

山东协和学院商学院

福士汽车零部件（济南）有限公司

⁰