[发明专利]房屋价格预测方法、装置、设备及存储介质在审
申请号: | 202010482605.4 | 申请日: | 2020-06-01 |
公开(公告)号: | CN111626789A | 公开(公告)日: | 2020-09-04 |
发明(设计)人: | 刘朔;刘易;马云琦 | 申请(专利权)人: | 武汉轻工大学 |
主分类号: | G06Q30/02 | 分类号: | G06Q30/02;G06Q50/16 |
代理公司: | 深圳市世纪恒程知识产权代理事务所 44287 | 代理人: | 张婷 |
地址: | 430023 湖北省武*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 房屋 价格 预测 方法 装置 设备 存储 介质 | ||
1.一种房屋价格预测方法,其特征在于,所述房屋价格预测方法包括:
获取历史房屋价格数据及所述历史房屋价格数据对应的区域信息;
根据所述区域信息对所述历史房屋价格数据进行划分,获得不同区域的初始房价数据序列;
根据预设灰度预测模型分别对不同区域的所述初始房价数据序列进行计算,获得各区域对应的初始房价预测值;
根据不同区域的所述初始房价数据序列计算各区域对应的空间响应值;
根据各区域对应的所述空间响应值对各区域对应的所述初始房价预测值进行修正,获得各区域的目标房价预测值。
2.如权利要求1所述的房屋价格预测方法,其特征在于,所述根据预设灰度预测模型分别对不同区域的所述初始房价数据序列进行计算,获得各区域对应的初始房价预测值,具体包括:
根据预设灰度预测模型获取各初始房价数据序列对应的紧邻均值生成序列;
获取所述预设灰度预测模型的输出函数;
根据各区域对应的初始房价数据序列和紧邻均值生成序列对所述输出函数进行求解,获得各区域对应的初始房价预测值。
3.如权利要求2所述的房屋价格预测方法,其特征在于,所述根据预设灰度预测模型获取各初始房价数据序列对应的紧邻均值生成序列,具体包括:
根据预设灰度预测模型获取各区域的初始房价数据序列对应的累加生成序列;
根据所述预设灰度预测模型获取各区域的所述累加生成序列对应的紧邻均值生成序列。
4.如权利要求2所述的房屋价格预测方法,其特征在于,所述根据各区域对应的初始房价数据序列和紧邻均值生成序列对所述输出函数进行求解,获得各区域对应的初始房价预测值,具体包括:
根据所述预设灰度预测模型获取各区域的初始房价数据序列对应第一参数矩阵;
根据所述预设灰度预测模型获取各区域的紧邻均值生成序列对应的第二参数矩阵;
通过最小二乘法对各区域对应的所述第一参数矩阵和所述第二参数矩阵进行求解,获得各区域对应的待定参数;
根据各区域对应的所述待定参数对所述输出函数进行求解,获取获得各区域对应的初始房价预测值。
5.如权利要求1所述的房屋价格预测方法,其特征在于,所述根据不同区域的所述初始房价数据序列计算各区域对应的空间响应值,具体包括:
从不同区域中选取目标区域,并根据不同区域的所述初始房价数据序列获得除所述目标区域外各区域对应的房价数据;
计算所述除所述目标区域外各区域对应的房价数据的平均值,将所述平均值作为所述目标区域对应的空间响应值;
返回所述从不同区域中选取目标区域,并根据不同区域的所述初始房价数据序列获得除所述目标区域外各区域对应的房价数据的步骤,直至不同区域中的每个区域均被选作目标区域,以获得各区域对应的空间响应值。
6.如权利要求1所述的房屋价格预测方法,其特征在于,所述根据各区域对应的所述空间响应值对各区域对应的初始房价预测值进行修正,获得各区域对应的目标房价预测值,具体包括:
根据各区域对应的所述空间响应值获得各区域对应的空间修正因子;
根据所述空间修正因子对对应区域的初始房价预测值进行修正,获得各区域对应的目标房价预测值。
7.如权利要求6所述的房屋价格预测方法,其特征在于,所述根据各区域对应的所述空间响应值获得各区域对应的空间修正因子,具体包括:
根据各区域对应的所述初始房价预测值获得各区域对应的第三参数矩阵;
根据各区域对应的所述空间响应值获得各区域对应的第四参数矩阵;
通过最小二乘法对各区域对应的所述第三参数矩阵和所述第四参数矩阵进行求解,获得各区域对应的空间修正因子。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉轻工大学,未经武汉轻工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010482605.4/1.html,转载请声明来源钻瓜专利网。