基于改进狮群算法和BP神经网络模型的房价预测

• 作者: 丁飞 江铭炎
• 来源期刊: 山东大学学报（工学版）
• 关键词: 狮群算法 螺旋搜索 监督机制 BP神经网络 房价预测
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 机器学习与数据挖掘|Machine Learning & Data Mining
• 页码范围: 8-16
• 页数: 9页
• 分类号: TP183
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2020.482

摘要

将狮群算法(lion swarm optimization,LSO)与海鸥算法的迁徙机制和螺旋搜索机制结合,增强算法的局部搜索能力;同时增加监督机制,提高算法的全局搜索能力.与粒子群算法和狮群算法对比,在常用的测试函数上验证改进狮群算法的优越性.采用改进后的狮群算法优化BP神经网络模型,对房屋价格预测问题进行研究,通过房屋的户型、面积等相关指标有效地对青岛市的二手房价格进行预测.改进后的狮群算法对BP神经网络的权值和偏置进行优化,提高BP神经网络的收敛速度和训练精度.试验结果表明,提出的螺旋搜索狮群和BP结合算法(spiral search lion swarm optimization-BP,SLSO-BP)模型在房价预测问题上预测效果更好.