基于麻雀搜索优化SVR模型的房地产价格研究

作     者：兰瑞杰 孟维高 耿进强 LAN Ruijie;MENG Weigao;GENG Jinqiang

作者机构：河北地质大学城市地质与工程学院河北石家庄050031 

出 版 物：《电子科技》 (Electronic Science and Technology)

年 卷 期：2024年第37卷第1期

页      面：1-8页

学科分类：08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：河北省社会科学基金(HB18GL021)。 

主　　题：麻雀搜索算法 优化算法 SVR模型 数据滞后性 参数不确定性 网络搜索数据 房地产价格指数 房价预测 

摘      要：为解决传统经济指标作为房价影响因素的数据获取滞后性问题以及机器学习模型在预测房价时存在的参数选取不确定性问题,文中以网络搜索数据作为房价指数解释变量,采用麻雀搜索算法(Sparrow Search Algorithm,SSA)建立SSA-SVR(Support Vector Regression)模型对SVR的惩罚因子C和RBF(Radical Basic Function)核函数的参数g进行优化。将SSA-SVR模型与PSO(Particle Swarm Optimization)-SVR、GA(Genetic Algorithm)-SVR、WOA(Whale Optimization Algorithm)-SVR、GS(Grid Search)-SVR以及基准SVR进行对比,SSA-SVR的相关系数(0.99)、均方根误差(6.71)、平均绝对误差(5.24)、均方误差(45.13)以及平均绝对百分比误差(0.26%)均优于其他5种模型。结果表明,麻雀搜索算法优化的SVR模型在房价预测方面具有更好的全局寻优能力,可以提高模型的预测准确度和预测能力。