[发明专利]基于多元回归时间序列分析的长租市场预警方法

权利要求书

1.一种基于多元回归时间序列分析的长租市场预警方法，其特征在于，包括以下步骤：

步骤1，风险因素挖掘及量化

通过阅读相关报道，挖掘出可能引发长租房的风险因素，然后针对风险因素制定初步的量化方案；

步骤2，数据采集

使用网络爬虫技术采集目前为止出现租房风险的房屋的数据；采集依据为步骤1挖掘的风险因素及其量化方法，其中挖掘出的风险因素作为长租房风险预测问题的特征；

步骤3，数据预处理

包括数据清洗、数据划分以及特征工程；

所述数据划分为将数据按9:1的阈值划分为训练集和测试集；

步骤4，通过回归分析得到风险因子

包括确定网络拓扑结构，搭建BP神经网络、使用遗传算法优化BP神经网络权值、周期性对特征数据进行回归分析得到风险因子；

步骤5，对风险因子建立时间序列模型

重复步骤2、3、4，将各阶段步骤4中风险因子序列进行预处理为稳定非白噪声序列后，进行时间序列模型的建模；根据该序列计算出的自相关系数和偏相关系数进行模型定阶后，进行参数估计，然后进行模型的检验优化；

步骤6，使用模型进行短期预测

使用步骤5中的模型进行短期内的长租市场风险预测，对于可能出现风险的房屋租户发出预警，并采取适当措施进行干预。

2.如权利要求1所述的一种基于多元回归时间序列分析的长租市场预警方法，其特征在于，所述步骤2中，数据清洗包括数据一致性检查和缺失值处理，数据一致性检查将删去数据逻辑错误值，降低数据错误造成的干扰，缺失值处理采用常值填充、数据拟合、整例删除和特征删除的方法对缺失值、部分实例和特征进行处理。

3.如权利要求1所述的一种基于多元回归时间序列分析的长租市场预警方法，其特征在于，所述步骤2中，特征工程包括特征提取、缩放和编码。

4.如权利要求1所述的一种基于多元回归时间序列分析的长租市场预警方法，其特征在于，所述步骤4具体为：

确定网络拓扑结构，搭建BP神经网络；

使用如下公式计算隐藏层节点：

k＝2(m+n)+1

k＝log₂(m+n)

其中m为输入层节点数，n为输出层节点数；

使用遗传算法优化BP神经网络权值；

首先根据步骤四的结果构建神经网络，使用遗传算法，通过每轮适应度的择优，染色体的复制、交叉、变异，达到迭代优化BP神经网络的初值的效果；

周期性对特征数据进行回归分析得到风险因子；

使用构建好的BP神经网络对数据周期性地进行回归分析，得到当前时间点各房屋的风险因子；每周使用构建优化好的BP神经网络对更新、预处理的数据进行回归预测，得到当周房屋i的风险因子Ti， i ∈ [1,N] 。