基于CS-AGA-BP神经网络的房价预测分析

摘要

针对传统BP神经网络容易陷入局部最优的缺陷,以及基于遗传算法改进的BP神经网络仍有改进空间的问题,本文建立CS(chaotic sequence)-AGA(adaptive genetic algorithms)-BP(基于混沌序列的自适应遗传算法改进的神经网络)改进模型,改进分为两个方向:①交叉概率和变异概率采用自适应算法确定;②通过Logistic混沌序列对交叉位置进行确定,并进行多基因变异,选取美国波士顿房价数据集并按4:1比例设置训练数据与测试数据,对隐含层节点进行确定后,选取train训练函数.经过MATLAB编程对GA-BP神经网络、PSO-BP神经网络、RBF神经网络与传统BP神经网络进行精度对比;另外经过计算发现CS-AGA-BP神经网络预测精度得到提升,多次运行均方差要低于GA-BP神经网络,可以认为模型优化取得良好的效果.