[发明专利]小区房源平均价值参数估计方法以及装置

权利要求书

1.一种小区房源平均价值参数估计方法，所述方法包括：

获取目标小区房源各个预设时间段的挂牌均价、成交均价以及初始市场均价；

对所述挂牌均价、所述成交均价以及所述初始市场均价进行灰色多变量关联度预测，获得价格关联数据；

将所述挂牌均价、所述成交均价以及所述价格关联数据输入预设的小波神经网络，获得所述目标小区房源的预测平均价值参数，所述预设的小波神经网络以目标小区房源各个历史时间段的历史价格数据作为训练数据获得，所述历史价格数据包括挂牌均价、成交均价、价格关联数据以及初始市场均价。

2.根据权利要求1所述的方法，其特征在于，所述获取目标小区房源各个预设时间段的挂牌均价、成交均价以及初始市场均价之前，还包括：

获取目标小区房源各个预设时间段的挂牌价格数据以及成交价格数据；根据所述挂牌价格数据，获得目标小区房源各个预设时间段的挂牌均价，根据所述成交价格数据，获得目标小区房源各个预设时间段的成交均价。

3.根据权利要求2所述的方法，其特征在于，所述根据所述挂牌价格数据，获得目标小区房源各个预设时间段的挂牌均价，根据所述成交价格数据，获得目标小区房源各个预设时间段的成交均价之前，还包括：

基于均值滤波原理对所述挂牌价格数据以及所述成交价格数据进行过滤处理。

4.根据权利要求1所述的方法，其特征在于，所述将所述挂牌均价、所述成交均价以及所述价格关联数据输入预设的小波神经网络，获得所述目标小区房源的预测平均价值参数之前，还包括：

获取所述目标小区房源的各个历史时间段的历史价格数据，所述历史价格数据包括挂牌均价、成交均价、价格关联数据以及初始市场均价，所述挂牌均价、成交均价以及价格关联数据为输入数据，所述初始市场均价为预测结果；

随机将所述历史价格数据分为训练集与测试集；

将所述训练集输入初始小波神经网络，通过梯度训练法对初始小波神经网络进行训练；

通过所述测试集对所述训练后的初始小波神经网络进行评估，获得评估结果；

当评估为不合格时，根据评估数据更新训练后的小波神经网络，并返回根据所述目标小区房源的各个历史时间段的挂牌均价以及成交均价对初始小波神经网络进行训练的步骤；当评估为合格时，将训练后的初始小波神经网络作为预设小波神经网络。

5.根据权利要求4所述的方法，其特征在于，所述通过所述测试集对所述训练后的初始小波神经网络进行评估，获得评估结果具体包括：

将所述测试集输入训练后的初始小波神经网络，获得估价测试结果；

获取所述估价测试结果中与所述估价测试结果对应的初始市场均价差距不超过预设范围的估价测试结果的比例；

当所述比例不超过预设阈值时，评估为合格，当所述比例超过预设阈值时，评估为不合格。

6.根据权利要求1所述的方法，其特征在于，所述获取目标小区房源各个预设时间段的挂牌均价、成交均价以及初始市场均价之前，还包括：

根据所述目标小区房源的物业类型对所述目标小区房源进行分类；

所述获取目标小区房源各个预设时间段的挂牌均价、成交均价以及所述目标小区的小区房源初始市场均价具体包括：

分别获取目标小区各类房源各个预设时间段的挂牌均价、成交均价以及所述房源初始市场均价；

所述将所述挂牌均价、所述成交均价以及所述价格关联数据输入预设的小波神经网络，获得所述目标小区房源的预测平均价值参数具体包括：

分别将目标小区各类房源的所述挂牌均价、所述成交均价以及所述价格关联数据输入预设的小波神经网络，获得所述目标小区各类房源的预测平均价值参数。