(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211015672.0 (22)申请日 2022.08.24 (71)申请人 四川聚亘科技有限公司 地址 621011 四川省绵阳市经开区三江大 道39号 申请人 绵阳师范学院 (72)发明人 李草冬　殷明均　蒲志强　陈远明　 高天　 (74)专利代理 机构 成都精点专利代理事务所 (普通合伙) 51338 专利代理师 周建 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 30/06(2012.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种基于LSTM的租赁商品价格预测方法 (57)摘要 本发明涉及数据分析技术领域， 具体是指一 种基于LSTM的租赁商品价格预测方法。 具体包括 以下步骤： 确定本地化影响因素集； 收集数据并 分解为序列； 对序列进行归一化处理； 训练、 修正 LSTM模型； 将数据输入LSTM模型； 判断得到租金 预测数据； 预测净收益； 确定收益率； 确定收益周 期； 求取目标商品出售价格。 本发明通过HP滤波 将历史租金数据进行分解， 分解标准参考最高 价、 最低价以及成交量等， 分解为长期时间序列 和短期时间序列， 再进行区别化预测， 从而减小 租赁商品价格比较因素的个别情况差异和比较 因素之间的重要性差异与价格的变化趋势之间 存在动态偏移量， 最终有效预测变化趋势较快的 租赁商品价格 。 权利要求书2页 说明书6页 附图2页 CN 115099880 A 2022.09.23 CN 115099880 A 1.一种基于LSTM的租赁商品价格预测方法， 其特征在于： 租赁商品价格包括租赁价格 与出售价格， 租赁价格预测包括以下步骤： 步骤1， 确定一个区域内目标租赁商品影响因素的本地化因素方案， 即因素集、 权重及 因素分值系统、 净收益方案以及收益方案， 再将影响 因素权重值 、 历史租金数据的影响 因 素分值 、 时间序列数据权重值 以及时间序列数据的影响因素分值 描述汇总为本地 化影响因素集； 步骤2， 收集步骤1中确定区域内目标租赁商品的历史租金数据和时间序列数据， 再设 定一个阈值周期， 将历史租金数据与时间序列数据通过HP滤波进行分解， 并依据阈值周期 分解为长期时间序列和短期时间序列； 步骤3， 基于步骤1中的本地化影响因素集对步骤2中分解的长期时间序列和短期时间 序列进行归一 化处理； 步骤4， 利用滑动窗口法对步骤3中的归一化处理后的数据进行处理， 生成适合输入 LSTM神经网络模型的数据集， 并将生成的数据集划分为： 训练集、 修正集以及测试集， 训练 集用于训练模型， 修 正集用于修 正训练后的模型， 测试集用于生成预测数据； 步骤5， 将目标租赁商品的待预测信息输入至步骤4中训练好的LSTM神经网络模型中， 得到两个序列的租赁价格初预测结果； 步骤6， 将步骤5中的租赁价格初预测结果进行反归一化处理， 然后判断得到租赁价格 最终预测结果 。 2.根据权利要求1所述的一种基于LSTM的租赁商品价格预测方法， 其特征在于： 步骤2 中， 基于本地化影响因素对历史租金 数据进行归一 化处理的因素分值 为 。 3.根据权利要求2所述的一种基于LSTM的租赁商品价格预测方法， 其特征在于： 步骤3 中， 基于本地化影响因素对时间序列数据进行归一 化处理的因素分值 为 。 4.根据权利要求3所述的一种基于LSTM的租赁商品价格预测方法， 其特征在于： 通过多 因素权重修正得到目标租赁商品的多因素权重修正值 ， 利用多因素权重修正值 对修 正集进行修正， 具体为： 引入本地化影响因素的数量变量 、 影响因素权重值 ， 对每个历 史租金数据价格 进行   个影响因素权重比较修正、 交易情况修正 、 市场状况修正 ， 求得目标租赁商品的多因素权 重修正值 ， 其表达式为：  。 5.根据权利要求4所述的一种基于LSTM的租赁商品价格预测方法， 其特征在于： 测试集 中， 包括修正预测值 与模型预测值 ， 对于修正预测值 ， 将至少3个多 因素权重修正值 与对应的历史租金 数据权重值进行加权平均得到修 正预测值 ， 其加权平均表达式为： ， 其中， 为时间序列数据权 重值。 6.根据权利要求5所述的一种基于LSTM的租赁商品价格预测方法， 其特征在于： 步骤6权　利　要　求　书 1/2 页 2 CN 115099880 A 2中的判断依据为修正预测值 与模型预测值 数据差异小于等于2.2％， 满足条件后经过 求取平均值得到租赁价格最终预测结果 。 7.根据权利要求1所述的一种基于LSTM的租赁商品价格预测方法， 其特征在于： 出售价 格预测包括以下步骤： 步骤7， 基于步骤1中的净收益方案， 通过租赁价格最终预测结果 预测目标商品的净 收益 ， 其表达式为： ； 步骤8， 基于步骤1中的收益方案， 确定收益 率 ； 步骤9， 确定收益周期 ， 收益周期 与收益率 匹配； 步骤10， 根据收益 率折现公式求取目标商品出售价格 ， 其表达式为： 。 8.根据权利要求7所述的一种基于LSTM的租赁商品价格预测方法， 其特征在于： 如有净 收益递增率 ， 表达式为： 。 9.根据权利要求7所述的一种基于LSTM的租赁商品价格预测方法， 其特征在于： 如有净 收益递减率 ， 则表达式为： 。权　利　要　求　书 2/2 页 3 CN 115099880 A 3