【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及一种基于处理器的房屋信息预测方法、装置和设备。
技术介绍
1、在房地产行业中，对未来的房价进行预测，有利于房地产市场的平稳运行。通过利用建立预测模型，对未来房屋价涨幅情况进行预测。
2、现有技术中，基于经济变量、房屋相关数据等信息，构建房价预测模型，利用房价预测模型对未来房价进行预测，进而得到有效的房价预测结果。
3、但是上述方式中，忽略了影响房价的核心因素——人口因素，因而无法以年为单位对未来的房价进行预测；因此，亟需一种以年为单位预测房价变化的预测方法。
技术实现思路
1、本申请提供一种基于处理器的房屋信息预测方法、装置和设备，用以解决因忽略人口变化而无法以年为单位对未来的房价进行预测的问题。
2、第一方面，本申请提供一种基于处理器的房屋信息预测方法，包括：
3、从目标存储器中获取目标地区的待识别数据序列，其中，所述待识别数据序列中包括预设天数下每一天的人口数据信息，所述人口数据信息为目标特征人群在目标预设时段内停留在所述目标地区的预设位置区域内的驻留人数；
4、基于目标处理器对所述待识别数据序列进行数据处理，得到所述待识别数据序列所对应的第一特征数据和第二特征数据；其中，所述第一特征数据表征在驻留人数的持续增长幅度，所述第二特征数据表征在所述预设天数内驻留人数的增长幅度；
5、基于所述目标处理器调取所述目标存储器中的预设预测模型，并基于所述目标处理器将所述待识别数据序列所对应的
6、一个示例中，基于目标处理器对所述待识别数据序列进行数据处理，得到所述待识别数据序列所对应的第一特征数据，包括：
7、基于所述目标处理器从所述待识别数据序列中，提取至少一个人数序列；其中，所述人数序列为在时间上驻留人数连续增长的序列，相邻的人数序列在人口数据信息上有重叠；
8、基于所述目标处理器，针对每一所述人数序列，确定与每一所述人数序列对应的贡献信息，其中，所述贡献信息表征驻留人数的增长情况；并确定各所述贡献信息所表征的数值之和，得到贡献信息的总和；
9、基于所述目标处理器，根据所述贡献信息的总和与所述待识别数据序列的序列长度，确定所述待识别数据序列所对应的第一特征数据。
10、一个示例中，所述待识别数据序列所对应的第一特征数据其中，n为所述待识别数据序列的序列长度，n为正整数，i为大于等于1、且小于等于n的正整数；exp(i)为第i个人数序列的贡献信息，ci为第i个人数序列的结束位置。
11、一个示例中，基于目标处理器对所述待识别数据序列进行数据处理，得到所述待识别数据序列所对应的第二特征数据，包括：
12、基于目标处理器的第一线程对所述待识别数据序列中归属于第一天数下的人数数据信息进行求和，得到所述待识别数据序列的第一人数；并基于目标处理器的第二线程对所述待识别数据序列中归属于第二天数下的人数数据信息进行求和，得到所述待识别数据序列的第二人数；其中，所述待识别数据序列的第一天数与所述待识别数据序列的第二天数之和，等于所述预设天数；所述待识别数据序列的第二天数在时序上位于所述待识别数据序列的第一天数之后；
13、基于目标处理器根据所述待识别数据序列的第一人数和所述待识别数据序列的第二人数，确定所述待识别数据序列所对应的第二特征数据。
14、一个示例中，所述待识别数据序列所对应的第二特征数据其中，n1为所述待识别数据序列的第一人数，n2为所述待识别数据序列的第二人数。
15、一个示例中，在基于目标处理器根据所述待识别数据序列的第一人数和所述待识别数据序列的第二人数，确定所述待识别数据序列所对应的第二特征数据之后，还包括：
16、基于目标处理器若确定所述待识别数据序列的第一特征数据所表征的数值大于预设阈值，则将所述待识别数据序列的第二特征数据加上预设值，得到纠正后的第二特征数据。
17、一个示例中，基于所述目标处理器将所述待识别数据序列所对应的第一特征数据和第二特征数据输入至所述预设预测模型中，输出房屋信息预测结果，包括：
18、基于所述目标处理器将所述待识别数据序列所对应的第一特征数据和第二特征数据输入至所述预设预测模型中；
19、若基于所述预设预测模型确定所述待识别数据序列所对应的第一特征数据所表征的数值大于预设阈值、且所述待识别数据序列所对应的第二特征数据所表征的数值大于零，则确定所述房屋信息预测结果为所述目标地区的房屋价格增加趋势信息是上涨趋势；
20、否则，则确定所述房屋信息预测结果为所述目标地区的房屋价格增加趋势信息是下降趋势。
21、一个示例中，所述方法还包括：
22、从目标存储器中获取待测试数据，其中，所述待测试数据中包括每一地区的待测试数据序列，所述待测试数据序列中包括预设天数下每一天的人口特征信息，所述人口特征信息为特征人群在预设时段内停留在地区的预设位置区域内的驻留人数；
23、基于目标处理器对所述待测试数据序列进行数据处理，得到所述待测试数据序列所对应的第一特征数据和第二特征数据；
24、基于所述目标处理器调取所述目标存储器中的预设预测模型，并基于所述目标处理器将所述待测试数据序列所对应的第一特征数据和第二特征数据输入至所述预设预测模型中，输出所述待测试数据序列的预测值；其中，所述待测试数据序列的预测值表征预测出的待测试数据序列对应的地区的房屋价格增加趋势信息；
25、从目标存储器中调取所述待测试数据序列的实际值；其中，所述待测试数据序列的实际值表征实际上待测试数据序列对应的地区的房屋价格增加趋势信息；
26、根据所述待测试数据序列的预测值和所述待测试数据序列的实际值，确定所述待测试数据序列的准确率信息；所述准确率信息表征基于所述预设预测模型对待测试数据序列的房屋价格增加趋势信息的预测准确性；
27、基于所述目标处理器确定准确率信息符合第一预设条件的待测试数据序列的预设时段，为所述目标预设时段；并确定准确率信息符合第一预设条件的待测试数据序列的特征人群，为所述目标特征人群。
28、一个示例中，所述方法还包括：
29、从目标存储器中获取所述待测试数据序列对应的地区的房屋价格信息，所述房屋价格信息包括每一月的房屋价格数据；
30、基于减法器确定第a个月的房屋价格数据减去第a-1个月的房屋价格数据的差值的绝对值，得到第一差值信息；并基于加法器对各所述第一差值信息进行求和，得到第一数据；a为大于等于1的正整数；
31、若确定第a个月的房屋价格数据所表征的数值大于第a-1个月的房屋价格数据所表征的数值，则基于减法器确定第a个月的房屋价格数据减去第a-1个月的房屋价格数据本文档来自技高网...
【技术保护点】
1.一种基于处理器的房屋信息预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，基于目标处理器对所述待识别数据序列进行数据处理，得到所述待识别数据序列所对应的第一特征数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述待识别数据序列所对应的第一特征数据其中，N为所述待识别数据序列的序列长度，N为正整数，i为大于等于1、且小于等于N的正整数；exp(i)为第i个人数序列的贡献信息，Ci为第i个人数序列的结束位置。
4.根据权利要求1所述的方法，其特征在于，基于目标处理器对所述待识别数据序列进行数据处理，得到所述待识别数据序列所对应的第二特征数据，包括：
5.根据权利要求4所述的方法，其特征在于，所述待识别数据序列所对应的第二特征数据其中，N1为所述待识别数据序列的第一人数，N2为所述待识别数据序列的第二人数。
6.根据权利要求4所述的方法，其特征在于，在基于目标处理器根据所述待识别数据序列的第一人数和所述待识别数据序列的第二人数，确定所述待识别数据序列所对应的第二特征数据之后，还包括：<...
【技术特征摘要】
1.一种基于处理器的房屋信息预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，基于目标处理器对所述待识别数据序列进行数据处理，得到所述待识别数据序列所对应的第一特征数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述待识别数据序列所对应的第一特征数据其中，n为所述待识别数据序列的序列长度，n为正整数，i为大于等于1、且小于等于n的正整数；exp(i)为第i个人数序列的贡献信息，ci为第i个人数序列的结束位置。
4.根据权利要求1所述的方法，其特征在于，基于目标处理器对所述待识别数据序列进行数据处理，得到所述待识别数据序列所对应的第二特征数据，包括：
5.根据权利要求4所述的方法，其特征在于，所述待识别数据序列所对应的第二特征数据其中，n1为所述待识别数据序列的第一人数，n2为所述待识别数据序列的第二人数。
6.根据权利要求4所述的方法，其特征在于，在基于目标处理器根据所述待识别数据序列的第一人数和所述待识别数据序列的第二人数，确定所述待识别数据序列所对应的第二特征数据之后，还包括：
7.根据权利要求1-6任一项所述的方法，其特征在于，基于所述目标处理器将所述待识别数据序列所对应的第一特征数据和第二特征数据输入至所述预设预测模型中，输出房屋信息预测结果，包括：
8.根据权利要求1-6任一项所述的方法，其特征在于，所述方法还包括：
9.根据权利要求8所述的方法，其特征在于，所述方法还包括：
10.一种基于处理器的预设预测模型确定方法，其特征在于，所述方法包括：
11.根据权利要求10所述的方法，其特征在于，基于目标处理器对所述待训练数据序列进行数据处理，得到所述待训练数据序列所对应的第一特征数据，包括：
12.根据权利要求11所...
【专利技术属性】
技术研发人员：李丹青，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：
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。