[发明专利]小区房源平均价值参数估计方法以及装置

说明书

本申请涉及机器学习与神经网络领域，用于处理小区房源数据，具体涉及一种小区房源平均价值参数估计方法、装置、计算机设备和存储介质。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；对挂牌均价、成交均价以及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；将挂牌均价、成交均价以及价格关联数据输入预设的小波神经网络，获得目标小区房源的预测均价。本申请可以根据小区已成交房源的价格数据以及价格数据之间的关联度，通过预设的小波神经网络对目标小区房源的平均价值参数进行准确估值，相比估价师的主观估价，更加客观准确。

技术领域

本申请涉及信息处理领域，特别是涉及一种小区房源平均价值参数估计方法以及装置。

背景技术

小区是指以住宅楼房为主体并配有商业网点、文化教育、娱乐、绿化、公用和公共设施等而形成的具有一定规模的居民生活区。随着中国城市化的推进，居民小区如同雨后春笋一般冒出，小区房产也随之成为人们投资的热点。

然而传统的房产估值利用市场样本估价法：估价师根据经验选择与目标小区相似的小区，根据相似小区的价格人为判断目标小区的定价，对小区的估价不够客观准确。

发明内容

基于此，有必要针对上述技术问题，提供一种小区房源平均价值参数估计方法、装置、计算机设备及存储介质。

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小区房源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。

在其中一个实施例中，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。

在其中一个实施例中，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。

在其中一个实施例中，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。

在其中一个实施例中，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：