房屋维修资源的预测方法、装置、计算机设备和存储介质与流程

技术特征：
1.一种房屋维修资源的预测方法，其特征在于，所述方法包括：按照目标历史时间段内的时间顺序，依次获取与目标区域对应的历史房屋维修资源数据；基于指数平滑预测模型，对所述历史房屋维修资源数据和待预测时刻进行处理，确定与待预测时刻对应的第一预测值；基于所述历史房屋维修资源数据，获取当前时刻多个特征维度下的地区特征数据，所述特征维度包括价格指数维度、系统推广维度和地区发展维度；通过线性回归预测模型，对当前时刻的多个地区特征数据进行处理，得到与待预测时刻对应的第二预测值；基于所述指数平滑预测模型的第一权重、所述第一预测值、所述线性回归预测模型的第二权重、以及所述第二预测值，确定在待预测时刻所述目标区域的房屋维修资源的目标预测值。2.根据权利要求1所述的方法，其特征在于，所述指数平滑预测模型的训练步骤包括：获取第一样本历史时间段，按照所述第一样本历史时间段内的时间顺序，依次获取与目标区域对应的第一样本历史房屋维修资源数据；基于所述第一样本历史房屋维修资源数据，分别确定基准函数、趋势函数、以及季节函数；基于所述基准函数、趋势函数、以及季节函数，构建初始的指数平滑预测模型；从第一样本历史时间段中，确定多个第一样本历史时刻，将多个第一样本历史时刻对应的第一样本历史房屋维修资源数据，分别输入至构建的初始的指数平滑预测模型中，输出多个第一样本预测时刻对应的第一样本预测值；从所述第一样本历史房屋维修资源数据中，确定与多个第一样本预测时刻对应的多个第一样本真实值；基于多个第一样本预测时刻对应的第一样本预测值、以及第一样本真实值，确定第一样本差异值；基于所述第一样本差异值，确定所述初始的指数平滑预测模型的平滑参数的值，以得到训练好的指数平滑预测模型。3.根据权利要求1所述的方法，其特征在于，所述线性回归预测模型的训练步骤包括：获取第二样本历史时间段，按照所述第二样本历史时间段内的时间顺序，依次获取与目标区域对应的第二样本历史房屋维修资源数据；获取各个第二样本历史时刻下的各个特征维度的样本特征数据；所述特征维度包括价格指数维度、系统推广维度和地区发展维度；构建因变量为第二维修资源预测数据、自变量为各个样本历史特征数据的初始的线性回归预测模型，所述线性回归预测模型中因变量与各个自变量呈线性关系；将多个第二样本历史时刻对应的各个样本特征数据，分别输入至所述初始的线性回归预测模型中，输出多个第二样本预测时刻对应的第二样本预测值；从所述第二样本历史房屋维修资源数据中，确定与多个第二样本预测时刻对应的多个第二样本真实值，并基于多个第二样本预测时刻对应的第二样本真实值、以及第二样本预测值，确定第二样本差异值；
基于所述第二样本差异值，确定所述初始的线性回归预测模型的回归参数的值，以得到训练好的线性回归预测模型。4.根据权利要求3所述的方法，其特征在于，所述初始的线性回归预测模型中包含价格指数维度的回归参数、系统推广维度的回归参数、以及地区发展维度的回归参数，所述基于所述第二样本差异值，确定所述初始的线性回归预测模型的回归参数的值，以得到训练好的线性回归预测模型，包括：对所述第二样本差异值进行偏导计算，得到与各个回归参数对应的回归偏导函数；通过将所述各个回归偏导函数均设置为零，确定各个回归参数的值；基于所述各个回归参数的值，得到训练好的线性回归预测模型。5.根据权利要求1所述的方法，其特征在于，所述指数平滑预测模型的第一权重的确定步骤，包括：获取第一样本历史时间段，按照所述第一样本历史时间段内的时间顺序，依次获取与目标区域对应的第一样本历史房屋维修资源数据；基于第一样本历史房屋维修资源数据，通过所述指数平滑预测模型，确定样本平滑预测值；基于所述第一样本历史房屋维修资源数据、所述样本平滑预测值，通过第一均方误差计算，确定所述指数平滑预测模型的第一权重。6.根据权利要求5所述的方法，其特征在于，所述基于所述第一样本历史房屋维修资源数据、所述样本平滑预测值，通过第一均方误差计算，确定所述指数平滑预测模型的第一权重，包括：基于所述第一样本历史房屋维修资源数据、所述样本平滑预测值，进行第一均方误差计算，得到与所述指数平滑预测模型对应的第一误差结果；将所述第一误差结果的倒数，作为所述指数平滑预测模型的第一权重。7.根据权利要求1所述的方法，其特征在于，所述线性回归预测模型对应的第二权重的确定步骤，包括：获取第二样本历史时间段，按照所述第二样本历史时间段内的时间顺序，依次获取与目标区域对应的第二样本历史房屋维修资源数据；基于所述第二样本历史房屋维修资源数据，通过所述线性回归预测模型，确定样本回归预测值；基于所述第二样本历史房屋维修资源数据、所述样本回归预测值，通过第二均方误差计算，确定所述线性回归预测模型的第二权重。8.一种房屋维修资源的预测装置，其特征在于，所述装置包括：第一获取模块，用于按照目标历史时间段内的时间顺序，依次获取与目标区域对应的历史房屋维修资源数据；第一预测模块，用于基于指数平滑预测模型，对所述历史房屋维修资源数据和待预测时刻进行处理，确定与待预测时刻对应的第一预测值；第二获取模块，用于基于所述历史房屋维修资源数据，获取当前时刻多个特征维度下的地区特征数据，所述特征维度包括价格指数维度、系统推广维度和地区发展维度；第二预测模块，用于通过线性回归预测模型，对当前时刻的多个地区特征数据进行处
理，得到与待预测时刻对应的第二预测值；确定模块，用于基于所述指数平滑预测模型的第一权重、所述第一预测值、所述线性回归预测模型的第二权重、以及所述第二预测值，确定在待预测时刻所述目标区域的房屋维修资源的目标预测值。9.根据权利要求8所述的房屋维修资源的预测装置，其特征在于，所述装置还包括训练模块，所述训练模块，用于获取第一样本历史时间段，按照所述第一样本历史时间段内的时间顺序，依次获取与目标区域对应的第一样本历史房屋维修资源数据；基于所述第一样本历史房屋维修资源数据，分别确定基准函数、趋势函数、以及季节函数；基于所述基准函数、趋势函数、以及季节函数，构建初始的指数平滑预测模型；从第一样本历史时间段中，确定多个第一样本历史时刻，将多个第一样本历史时刻对应的第一样本历史房屋维修资源数据，分别输入至构建的初始的指数平滑预测模型中，输出多个第一样本预测时刻对应的第一样本预测值；从所述第一样本历史房屋维修资源数据中，确定与多个第一样本预测时刻对应的多个第一样本真实值；基于多个第一样本预测时刻对应的第一样本预测值、以及第一样本真实值，确定第一样本差异值；基于所述第一样本差异值，确定所述初始的指数平滑预测模型的平滑参数的值，以得到训练好的指数平滑预测模型。10.根据权利要求8所述的房屋维修资源的预测装置，其特征在于，所述训练模块，用于获取第二样本历史时间段，按照所述第二样本历史时间段内的时间顺序，依次获取与目标区域对应的第二样本历史房屋维修资源数据；获取各个第二样本历史时刻下的各个特征维度的样本特征数据；所述特征维度包括价格指数维度、系统推广维度和地区发展维度；构建因变量为第二维修资源预测数据、自变量为各个样本历史特征数据的初始的线性回归预测模型，所述线性回归预测模型中因变量与各个自变量呈线性关系；将多个第二样本历史时刻对应的各个样本特征数据，分别输入至所述初始的线性回归预测模型中，输出多个第二样本预测时刻对应的第二样本预测值；从所述第二样本历史房屋维修资源数据中，确定与多个第二样本预测时刻对应的多个第二样本真实值，并基于多个第二样本预测时刻对应的第二样本真实值、以及第二样本预测值，确定第二样本差异值；基于所述第二样本差异值，确定所述初始的线性回归预测模型的回归参数的值，以得到训练好的线性回归预测模型。11.根据权利要求10所述的房屋维修资源的预测装置，其特征在于，所述初始的线性回归预测模型中包含价格指数维度的回归参数、系统推广维度的回归参数、以及地区发展维度的回归参数，所述训练模块，用于对所述第二样本差异值进行偏导计算，得到与各个回归参数对应的回归偏导函数；通过将所述各个回归偏导函数均设置为零，确定各个回归参数的值；基于所述各个回归参数的值，得到训练好的线性回归预测模型。12.根据权利要求8所述的房屋维修资源的预测装置，其特征在于，所述训练模块，用于获取第一样本历史时间段，按照所述第一样本历史时间段内的时间顺序，依次获取与目标区域对应的第一样本历史房屋维修资源数据；基于第一样本历史房屋维修资源数据，通过所述指数平滑预测模型，确定样本平滑预测值；基于所述第一样本历史房屋维修资源数据、所述样本平滑预测值，通过第一均方误差计算，确定所述指数平滑预测模型的第一权重。13.根据权利要求12所述的房屋维修资源的预测装置，其特征在于，所述训练模块，用于基于所述第一样本历史房屋维修资源数据、所述样本平滑预测值，进行第一均方误差计算，得到与所述指数平滑预测模型对应的第一误差结果；将所述第一误差结果的倒数，作为
所述指数平滑预测模型的第一权重。14.根据权利要求8所述的房屋维修资源的预测装置，其特征在于，所述训练模块，用于获取第二样本历史时间段，按照所述第二样本历史时间段内的时间顺序，依次获取与目标区域对应的第二样本历史房屋维修资源数据；基于所述第二样本历史房屋维修资源数据，通过所述线性回归预测模型，确定样本回归预测值；基于所述第二样本历史房屋维修资源数据、所述样本回归预测值，通过第二均方误差计算，确定所述线性回归预测模型的第二权重。15.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

技术总结
本申请涉及一种房屋维修资源的预测方法、装置、计算机设备和存储介质。所述方法包括：按照时间顺序获取与目标区域对应的历史房屋维修资源数据。基于指数平滑预测模型，对历史房屋维修资源数据和待预测时刻进行处理，确定第一预测值。基于该历史房屋维修资源数据，获取当前时刻各个地区特征数据。通过线性回归预测模型，对当前时刻的多个地区特征数据进行处理，得到第二预测值。基于第一权重、该第一预测值、第二权重、以及该第二预测值，确定在待预测时刻该目标区域的房屋维修资源的目标预测值，大大增加了房屋维修资源预测的精确度。大大增加了房屋维修资源预测的精确度。大大增加了房屋维修资源预测的精确度。


技术研发人员：黄锐 周小伟 陈颢 邹秋艳
受保护的技术使用者：中国建设银行股份有限公司
技术研发日：2021.11.19
技术公布日：2022/3/7