Yugra State University BulletinYugra State University BulletinВестник Югорского государственного университета1816-92282078-9114Yugra State University68988110.18822/byusu20250472-77Mathematical modeling and information technologyМатематическое моделирование и информационные технологииResearch ArticleAn intelligent model for forecasting real estate sales in the primary regional marketИнтеллектуальная модель прогнозирования продаж недвижимости на первичном региональном рынкеhttps://orcid.org/0009-0001-1127-07737594-4570KorobkovaOlga V.КоробковаОльга Викторовна
Russian Federation

Senior Lecturer

старший преподаватель

ufimtcevaov@susu.ruhttps://www.susu.ru/en/node/2163860South Ural State UniversityЮжно-Уральский государственный университет3012202521472772908202516102025Copyright ©; 2025, Yugra State UniversityCopyright ©; 2025, Югорский государственный университет2025Yugra State UniversityЮгорский государственный университетhttps://creativecommons.org/licenses/by-sa/4.0https://vestnikugrasu.org/byusu/article/view/689881

Subject of research: an array of data including socio-economic parameters of transactions in the primary housing market of the Chelyabinsk region.

Purpose of research: to create a neural network model for predicting real estate sales volumes with a time horizon of one year based on retrospective data. The predictive model should be easy to set up and operate, as well as provide for an intuitive user interface.

Research methods: preliminary data processing in accordance with the CRISP-DM standard, correlation analysis, normalization, k-fold cross-validation, construction of a fully connected neural network with two hidden layers and a sigmoidal activation function, the L-BFGS optimization method.

Objects of research: forecasting sales volumes in the regional primary housing construction market.

Research findings: a neural network forecasting model has been created using the Loginom Community analytical platform, which has a modular structure, which ensures its versatility. The model was successfully tested on a validation sample, demonstrating a prediction accuracy of 88.33%.

Предмет исследования: массив данных, включающий социально-экономические параметры транзакций на рынке первичного жилья Челябинской области.

Цель исследования: создать нейросетевую модель для прогнозирования объёмов продаж недвижимости с временным горизонтом в один год на основе ретроспективных данных. Прогностическая модель должна обладать простотой настройки и эксплуатации, а также предусматривать наличие интуитивно понятного пользовательского интерфейса.

Методы исследования: методология анализа данных CRISP-DM, корреляционный анализ, нормализация, k-fold кросс-валидация, построение полносвязной нейронной сети с двумя скрытыми слоями и сигмоидальной функцией активации, метод оптимизации L-BFGS.

Объект исследования: прогнозирование объёмов продаж на первичном региональном рынке жилищного строительства.

Основные результаты исследования: создана нейросетевая модель прогнозирования с использованием аналитической платформы Loginom Community, обладающая модульной структурой, что обеспечивает ее универсальность. Модель успешно прошла тестирование на валидационной выборке, продемонстрировав точность прогнозирования в 88,33 %.

forecastingperceptronsdata analysisdecision makingtime seriesneural network learning algorithmsпрогнозированиеперсептроныанализ данныхпринятие решенийвременные рядыалгоритмы обучения нейронных сетейЕМИСС : государственная статистика. – URL: https://www.fedstat.ru (дата обращения: 18.04.2025).Зайнакова, С. Р. Рынок жилья в России: современное состояние, проблемы и прогнозы / С. Р. Зайнакова // Социально-экономические науки и гуманитарные исследования. – 2014. – № 1. – С. 58–62.Зинич, Л. В. Анализ состояния и тенденций рынка жилой недвижимости в России: вызовы и возможности / Л. В. Зинич, Е. С. Петров // Жилищные стратегии. – 2025. – Т. 12, № 1. – С. 39–58.Свиридов, А. В. Прогнозирование развития локального рынка жилой недвижимости : диссертация на соискание ученой степени кандидата экономических наук : 05.13.18 / А. В. Свиридов. – Москва. – 2018. – 189 с.Стерник, Г. М. Анализ рынка недвижимости для профессионалов / Г. М. Стерник, С. Г. Стерник. – Москва : Экономика, 2009. – 606 с.Стерник, Г. М. Методика прогнозирования цен на жилье в зависимости от типа рынка / Г. М. Стерник // Имущественные отношения в РФ. – 2010. – № 12. – С. 43–47.Стерник, Г. М. Статистический подход к прогнозированию цен на жилье / Г. М. Стерник // Экономика и математические методы. – 1998. – № 1. – С. 85–90.Стерник, Г. М. Методология прогнозирования российского рынка недвижимости. Ч. 1. Основные допущения, ограничения и рабочие гипотезы / Г. М. Стерник // Механизация строительства. – 2013. – № 8. – С. 53–63.Хайкин, С. Нейронные сети : полный курс : перевод с английского / С. Хайкин. – 2-е издание. – Москва : Вильямс, 2006. – 1104 с.