[发明专利]预测模型的训练方法和装置、价格预测方法和装置

权利要求书

1.一种预测模型的训练方法，其特征在于，所述方法包括：

从多个目标对象的样本价格关联数据中，获取各指标特征对应的价格指标数据；

采用特征权重算法，根据各所述指标特征对应的所述价格指标数据，从全部所述指标特征中确定初始价格特征；

根据各所述初始价格特征对应的所述价格指标数据，从全部所述初始价格特征中确定目标价格特征；

根据所述目标价格特征对应的所述价格指标数据，构建训练集，并通过所述训练集对初始预测模型进行训练，得到所述预测模型。

2.根据权利要求1所述的方法，其特征在于，所述通过所述训练集对初始预测模型进行训练，得到所述预测模型，包括：

在通过所述训练集训练所述预测模型对应的初始预测模型的过程中，采用粒子群算法确定所述预测模型的最优超参数，并在采用粒子群算法确定所述预测模型的最优超参数的过程中，实时基于粒子运动过程中的历史数据，更新所述粒子群算法中的惯性因子，采用更新后的所述粒子群算法确定所述预测模型的最优超参数。

3.根据权利要求2所述的方法，其特征在于，所述实时基于粒子运动过程中的历史数据，更新所述粒子群算法中的惯性因子，包括：

根据所述粒子运动过程中的历史数据，确定所述粒子在运动过程中的历史最大惯性因子、历史最小惯性因子、粒子历史最小目标值、粒子历史最大目标值；

根据所述历史最大惯性因子、历史最小惯性因子、粒子历史最小目标值、粒子历史最大目标值，确定第一惯性因子调整值；

将所述历史最小惯性因子与所述第一惯性因子调整值的和，作为所述粒子群算法在当前时刻的惯性因子。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述预测模型至少包括两个价格预测模型，所述方法还包括：

确定各所述价格预测模型的精度；

根据各所述价格预测模型的精度，确定各所述价格预测模型的预测权重，以在采用所述预测模型进行目标对象价格的预测时，根据各所述价格预测模型的预测权重对各所述价格预测模型的初步预测结果进行融合处理，得到最终预测结果。

5.一种价格预测方法，其特征在于，所述方法包括：

从目标对象的多个价格指标数据中，确定目标价格特征对应的价格指标数据；

通过预测模型对所述目标价格特征对应的价格指标数据进行预测，得到所述目标对象的预测价格；

其中，所述预测模型采用权利要求1至4中任一项的预测模型的训练方法训练得到。

6.根据权利要求5所述的方法，其特征在于，所述预测模型包括至少两个价格预测模型，所述通过预测模型对所述目标价格特征对应的价格指标数据进行预测，得到所述目标对象的预测价格，包括：

通过各所述价格预测模型分别对所述目标价格特征对应的价格指标数据进行预测，得到多个初始预测结果；

根据各所述价格预测模型的预测权重对所述多个初始预测结果进行融合处理，得到所述目标对象的预测价格。

7.一种预测模型的训练装置，其特征在于，所述装置包括：

获取模块，用于从多个目标对象的样本价格关联数据中，获取各指标特征对应的价格指标数据；

第一确定模块，用于采用特征权重算法，根据各所述指标特征对应的所述价格指标数据，从全部所述指标特征中确定初始价格特征；

第二确定模块，用于根据各所述初始价格特征对应的所述价格指标数据，从全部所述初始价格特征中确定目标价格特征；

训练模块，用于根据所述目标价格特征对应的所述价格指标数据，构建训练集，并通过所述训练集对初始预测模型进行训练，得到所述预测模型。

8.一种价格预测装置，其特征在于，所述装置包括：

确定模块，用于从目标对象的多个价格指标数据中，确定目标价格特征对应的价格指标数据；

预测模块，用于通过预测模型对所述目标价格特征对应的价格指标数据进行预测，得到所述目标对象的预测价格；

其中，所述预测模型采用权利要求1至4中任一项的预测模型的训练方法训练得到。