【技术实现步骤摘要】
房屋价格预测方法、装置、设备及存储介质
本专利技术涉及数据挖掘与预测
，尤其涉及一种房屋价格预测方法、装置、设备及存储介质。
技术介绍
现有的房屋价格预测都输基于传统的灰度预测模型进行时间维度的仿真，以获得某区域的时间维度上的房屋价格预测模型。但实际发现，传统的数据挖掘及预测不能真实反映房价的变化趋势，预测值不准确。因此，如何对房价变化趋势进行更好的预测，是亟待解决的技术问题。上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
本专利技术的主要目的在于提供一种房屋价格预测方法、装置、设备及存储介质，旨在解决现有技术中预测模型的房价预测值不准确的技术问题。为实现上述目的，本专利技术提供一种房屋价格预测方法，所述房屋价格预测方法包括以下步骤：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...
【技术保护点】
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：/n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；/n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；/n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；/n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；/n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。/n
【技术特征摘要】
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...
【专利技术属性】
技术研发人员：刘朔，刘易，马云琦，
申请(专利权)人：武汉轻工大学，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。