1.本发明涉及计算机技术领域，具体涉及一种房屋的资源变化预测方法、装置、设备及可读存储介质。
背景技术：
2.城市各个区域与城市总体房屋的资源差异主要是由于各个区域的流量(如租房网站房源详情页点击量)、流动人口数、房屋供给量等供需因素偏离了城市平均水平所产生的。
3.尽管某些区域范围内可以统计出较为可信的针对于房屋的资源指标，但是受区域范围限制，某些区域中的房屋的资源置换数据往往比较稀疏，即房屋的资源置换样本较少，难以确定出较为可信的资源指标数据，从而难以预测针对于房屋的资源变化趋势。
技术实现要素：
4.有鉴于此，本发明实施例提供了一种房屋的资源变化预测方法、装置、设备及可读存储介质，以解决房屋的资源变化趋势难以准确预测的问题。
5.根据第一方面，本发明实施例提供了一种房屋的资源变化预测方法，包括：获取房屋在第一尺度下的历史资源，以及所述房屋在第二尺度下的预设供需数据；基于所述历史资源预测所述房屋的资源变化趋势，得到所述房屋在所述第一尺度下的资源变化预测趋势；采用所述资源预测模型，基于所述预设供需数据确定所述房屋在所述第二尺度下的目标资源偏离程度；其中，所述资源预测模型基于资源偏离程度以及供需数据构建得到；基于所述目标资源偏离程度与所述资源变化预测趋势，得到所述房屋在第二尺度下针对于所述资源变化趋势的预测结果。
6.本发明实施例提供的房屋的资源变化预测方法，通过第一尺度下的房屋的资源变化趋势预测第二尺度下的资源变化趋势，由此在第二尺度缺失数据时亦能够通过资源预测模型确定出第二尺度相对于第一尺度的目标资源偏离程度，继而结合第一尺度的资源变化趋势以及目标资源偏离程度即可确定出房屋在第二尺度下的资源变化趋势，不再受限于数据样本量，实现了针对于不同尺度的资源变化趋势的准确预测。
7.结合第一方面，在第一方面的第一实施方式中，基于资源偏离程度以及供需数据构建所述资源预测模型，包括：获取所述房屋在所述第一尺度与所述第二尺度下的资源变化趋势、供需参数以及供需参数变化趋势；基于所述资源变化趋势，确定所述第二尺度相对于所述第一尺度产生的资源偏离程度；基于所述供需参数变化趋势，确定所述第二尺度相对于所述第一尺度产生的供需偏离程度；以所述资源偏离程度作为因变量，以所述第二尺度对应的供需参数、所述第二尺度对应的供需参数变化趋势以及所述供需偏离程度作为自变量，生成所述资源预测模型。
8.本发明实施例提供的房屋的资源变化预测方法，通过以资源偏离程度作为因变量，以第二尺度对应的供需参数、第二尺度对应的供需参数变化趋势以及供需偏离程度作
为自变量，进行资源预测模型的构建，保证通过资源预测模型所得到的资源偏离程度更加可信，继而保证了房屋的资源变化趋势更加具有可信度。
9.结合第一方面第一实施方式，在第一方面的第二实施方式中，所述资源变化趋势包括第一资源变化趋势和第二资源变化趋势，所述获取所述房屋在所述第一尺度和所述第二尺度下对应的资源变化趋势，包括：获取所述房屋在所述第一尺度下各个时间节点所对应的第一资源，以及所述房屋在所述第二尺度下各个时间节点所对应的第二资源；对比所述各个时间节点所对应的第一资源的变化，确定所述第一资源变化趋势；对比所述各个时间节点所对应的第二资源的变化，确定所述第二资源变化趋势。
10.结合第一方面第二实施方式，在第一方面的第三实施方式中，所述基于所述资源变化趋势，确定所述第二尺度相对于所述第一尺度产生的资源偏离程度，包括：对比所述第二资源变化趋势与所述第一资源变化趋势，确定所述第二资源变化趋势与所述第一资源变化趋势之间的第一差异值；将所述第一差异值确定为所述资源偏离程度。
11.本发明实施例提供的房屋的资源变化预测方法，通过确定第一尺度下的第一资源变化趋势和第二尺度下的第二资源变化趋势，继而将第一资源变化趋势与第二资源变化趋势进行对比，以确定两者之间所产生的资源偏离程度，由此能够对不同尺度之间的资源偏离程度进行预测，实现针对于不同尺度下的房屋的资源变化趋势的预测，使得资源变化趋势的预测更加精细化。
12.结合第一方面第一实施方式，在第一方面的第四实施方式中，所述供需参数包括第一供需数据和第二供需数据，所述供需参数变化趋势包括第一供需变化趋势和第二供需变化趋势，获取所述房屋在所述第一尺度和所述第二尺度下对应的供需参数变化趋势，包括：获取所述第一尺度下的各个时间点的第一房屋数量以及所述第二尺度下的各个时间点的第二房屋数量；基于各个时间点的所述第一供需数据与所述第一房屋数量，确定出所述房屋在第一尺度下的第一供需变化趋势；基于各个时间点的所述第二供需数据与所述第二房屋数量，确定出所述房屋在第二尺度下的第二供需变化趋势。
13.结合第一方面第四实施方式，在第一方面的第五实施方式中，所述基于所述供需参数变化趋势，确定所述第二尺度相对于所述第一尺度产生的供需偏离程度，包括：对比所述第二供需变化趋势与所述第一供需变化趋势，确定所述第二供需变化趋势与所述第一供需变化趋势之间的第二差异值；将所述第二差异值确定为所述供需偏离程度。
14.本发明实施例提供的房屋的资源变化预测方法，通过确定第一尺度下的第一供需变化趋势和第二尺度下的第二供需变化趋势，继而将第一供需变化趋势与第二供需变化趋势进行对比，以确定两者之间所产生的供需偏离程度，由此能够对不同尺度之间的供需偏离程度进行预测，便于分析不同尺度下的供需数据变化状态。
15.结合第一方面，在第一方面的第六实施方式中，所述基于所述历史资源预测所述房屋的资源变化趋势，得到所述房屋在所述第一尺度下的资源变化预测趋势，包括：基于所述历史资源构建针对于所述房屋的资源时间序列模型；根据所述资源时间序列模型预测所述房屋的资源变化趋势，确定所述房屋在所述第一尺度下的资源变化预测趋势。
16.本发明实施例提供的房屋的资源变化预测方法，通过构建资源时间序列模型，便于快速准确的分析房屋的资源变化状态，从而预测出房屋在第一尺度下的资源变化趋势。
17.根据第二方面，本发明实施例提供了一种房屋的资源变化预测装置，包括：获取模
块，用于获取房屋在第一尺度下的历史资源、所述房屋在第二尺度下的预设供需数据；第一预测模块，用于基于所述历史资源预测所述房屋的资源变化趋势，得到所述房屋在所述第一尺度下的资源变化预测趋势；确定模块，用于采用所述资源预测模型，基于所述预设供需数据确定所述房屋在所述第二尺度下的目标资源偏离程度；其中，所述资源预测模型基于资源偏离程度以及供需数据构建得到；第二预测模块，用于基于所述目标资源偏离程度与所述资源变化预测趋势，得到所述房屋在第二尺度下针对于所述资源变化趋势的预测结果。
18.根据第三方面，本发明实施例提供了一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面或第一方面任一实施方式所述的房屋的资源变化预测方法。
19.根据第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使计算机执行第一方面或第一方面任一实施方式所述的房屋的资源变化预测方法。
20.需要说明的是，本发明实施例提供的房屋的资源变化预测装置、电子设备以及计算机可读存储介质的相应有益效果，请参见房屋的资源变化预测方法中相应内容的描述，在此不再赘述。
附图说明
21.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
22.图1是根据本发明实施例的房屋的资源变化预测方法的流程图；
23.图2是根据本发明实施例的资源预测模型的构建流程图；
24.图3是根据本发明实施例的房屋的资源变化预测方法的又一流程图；
25.图4是根据本发明实施例的房屋的资源变化预测装置的结构框图；
26.图5是本发明实施例提供的电子设备的硬件结构示意图。
具体实施方式
27.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
28.在城市尺度上，通常可以获得大量的房屋租赁历史挂盘或成交数据，便于统计计算出较为可信的资源指标，并进一步构建时间序列模型，预测未来的资源及其变化。但城市尺度上的资源预测结果对房屋租赁而言太过粗略，而商圈作为一个居住、生活、工作地域单元，往往被视为房屋租赁的一个重要节点，然而不同商圈的房屋的资源走势也可能大相径庭。
29.受地域范围限制，商圈的房屋租赁历史挂盘和成交数据往往比较稀疏，仅有一小部分商圈和月份可以统计计算出较为可信的平均资源指标。这种基础数据上的缺失导致难以在商圈尺度上预测房屋的资源变化趋势。
30.商圈与城市相比，房屋的资源差异主要是由于商圈的流量(如租房网站房源详情页点击量)、流动人口数、房屋供给量等供需因素偏离了城市平均水平所导致的。当某个月份某商圈流动人口增加量、房屋供给减少量超过城市平均水平时，该商圈的房屋的资源增长速度往往高于城市平均水平；反之，当某个月份该商圈的流动人口增加量、房屋供给减少量低于城市平均水平时，该商圈的资源增长速度往往也低于城市平均水平。
31.基于此，本技术方案通过城市尺度下的房屋的资源变化趋势，对商圈尺度下的房屋的资源变化趋势进行预测，以得到房屋在商圈尺度下的资源指标数据，实现了针对于不同尺度的资源变化趋势的准确预测，为房屋租赁的经营管理决策提供了更为精细化的数据支撑。
32.根据本发明实施例，提供了一种房屋的资源变化预测方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
33.在本实施例中提供了一种房屋的资源变化预测方法，可用于电子设备，如手机、平板电脑、电脑等，图1是根据本发明实施例的房屋的资源变化预测方法的流程图，如图1所示，该流程包括如下步骤：
34.s11，获取房屋在第一尺度下的历史资源，以及房屋在第二尺度下的预设供需数据。
35.第一尺度与第二尺度为不同尺度，第一尺度与第二尺度对应于不同的兴趣区域，例如第一尺度可以为城市尺度，第二尺度可以为城市内的商圈尺度。
36.历史资源针对于房屋在历史时期内所产生的历史置换数据。具体地，电子设备可以通过相应的房源平台查询第一尺度下历史时期内所完成的针对于房屋的资源置换数据，得到各个房屋在的历史资源。
37.预设供需数据包括房源访问流量、流动人口数以及房屋供给量等供需因素数据，供需因素数据的变化数据等。具体地，预设供需数据可以由用户根据场景设定确定，此处不作具体限定。例如，用户通过电子设备的输入接口(例如触摸屏、键盘或者鼠标等)向电子设备输入相应的预设供需数据，相应地，电子设备则可以响应用户的输入操作，得到与该输入操作所对应的预设供需数据。通过设定不同的情景下以得到不同的预测结果，便于进行多情景的对比分析，使得房屋在当前尺度下所预测得到的资源变化趋势的可信度更高。
38.s12，基于历史资源预测房屋的资源变化趋势，得到房屋在第一尺度下的资源变化预测趋势。
39.资源变化预测趋势为房屋的资源在未来时期内所产生的资源变化率的预测结果。电子设备根据房屋的历史资源可以确定历史时期内的资源变化趋势(即资源变化率)，按照历史时期内的资源变化趋势对未来时期内的房屋的资源变化趋势进行预测，即可得到资源变化预测趋势。
40.s13，采用资源预测模型，基于预设供需数据确定房屋在第二尺度下的目标资源偏
离程度。
41.其中，资源预测模型基于资源偏离程度以及供需数据构建得到。
42.资源预测模型可以为线性回归模型，还可以为非线性模型，只要保证该资源预测模型是基于资源偏离程度以及供需数据训练得到的即可。
43.目标资源偏离程度用于表征在预设供需数据的基础上，房屋在第二尺度下相较于其在第一尺度下的资源变化差。电子设备中部署有资源预测模型，将预设供需数据输入至资源预测模型中，通过该资源预测模型则可以输出相应的目标资源偏离程度。
44.s14，基于目标资源偏离程度与资源变化预测趋势，得到房屋在第二尺度下针对于资源变化趋势的预测结果。
45.由于目标资源偏离程度为第二尺度相较于第一尺度所产生的资源变化差，资源变化预测趋势用于表征房屋在第一尺度下的资源变化率，继而结合目标资源偏离程度与资源变化预测趋势，即可预测得到房屋在第二尺度下针对于资源变化趋势。
46.需要说明的是，上述房屋的资源可以为租金等交换资源，也可以为其他对等的交换资源，此处不作具体限定，只要是能够保证房屋及其资源对等即可。
47.本实施例提供的房屋的资源变化预测方法，通过第一尺度下的房屋的资源变化趋势预测第二尺度下的资源变化趋势，由此在第二尺度缺失数据时亦能够通过资源预测模型确定出第二尺度相对于第一尺度的目标资源偏离程度，继而结合第一尺度的资源变化趋势以及目标资源偏离程度即可确定出房屋在第二尺度下的资源变化趋势，不再受限于数据样本量，实现了针对于不同尺度的资源变化趋势的准确预测。
48.作为一个可选的实施方式，如图2所示，上述基于资源偏离程度以及供需数据构建资源预测模型的步骤可以包括：
49.s21，获取房屋在第一尺度与第二尺度下的资源变化趋势、供需参数以及供需参数变化趋势。
50.资源变化趋势用于表征房屋在第一尺度下所产生的资源变化率以及房屋在第二尺度下产生的资源变化率。供需参数包括房源访问流量(例如，租房网站房源详情页点击量、浏览量、带看量等)、流动人口数、房屋供给量等供需因素。供需参数变化趋势用于表征房屋在第一尺度下产生的供需参数变化率以及房屋在第二尺度下产生的供需参数变化率，具体地，供需参数变化率可以包括房源访问流量变化率、流动人口数量变化率以及房屋供给量变化率等。
51.具体地，资源变化趋势包括第一资源变化趋势和第二资源变化趋势，相应地，上述步骤s21可以包括：
52.(1)获取房屋在第一尺度下各个时间节点所对应的第一资源，以及房屋在第二尺度下各个时间节点所对应的第二资源。
53.时间节点用于表征记录第一资源的间隔时间，例如一周、半月、一个月等，此处不作具体限定，本领域技术人员可以根据实际需求予以确定。
54.第一资源为房屋在第一尺度下所产生的用于房屋交换的资源，第二资源表示房屋在第二尺度下所产生的用于房屋交换的资源。
55.此处以时间节点为一个月、第一尺度为城市尺度、第二尺度为商圈尺度为例，电子设备可以对城市尺度和商圈尺度下每个月所产生的第一资源和第二资源进行统计计算。
56.具体地，电子设备可以直接计算城市尺度下当月挂盘房源的第一资源，其第一资源的表达式为：
[0057][0058]
其中，city_pricei表示第一资源；price
i，k
表示城市尺度下第i个月挂盘的第k套房源的资源数据；area
i，k
表示城市中第i个月挂盘的第k套房源的建筑面积。
[0059]
具体地，电子设备可以直接计算商圈尺度下当月挂盘房源的第一资源，其第一资源的表达式为：
[0060][0061]
其中，bizcircle_pricei表示第二资源；price
i，n
表示商圈尺度下第i个月挂盘的第n套房源的资源数据；area
i，n
表示城市中第i个月挂盘的第n套房源的建筑面积。
[0062]
(2)对比各个时间节点所对应的第一资源的变化，确定第一资源变化趋势。
[0063]
第一资源变化趋势表示各个时间点的第一资源的变化率的走势。具体地，将相邻时间节点的第一资源进行对比，即可得到第一资源变化率，继而将各个时间点的第一资源变化率按照时间先后顺序进行组合，得到第一资源变化趋势。其中，第一资源变化率的表达式为：
[0064][0065]
其中，city_price_cri表示第i个月的第一资源变化率；city_pricei表示房屋在城市尺度下第i个月所产生的第一资源；city_price
i-1
表示房屋在城市尺度下第i-1个月所产生的第一资源。
[0066]
(3)对比各个时间节点所对应的第二资源的变化，确定第二资源变化趋势。
[0067]
第二资源变化趋势表示各个时间点的第二资源的变化率的走势。具体地，将相邻时间节点的第二资源进行对比，即可得到第二资源变化率，继而将各个时间点的第二资源变化率按照时间先后顺序进行组合，得到第二资源变化趋势。其中，第二资源变化率的表达式为：
[0068][0069]
其中，bizcircle_price_cri表示第i个月的第二资源变化率；bizcircle_pricei表示房屋在商圈尺度下第i个月所产生的第二资源；bizcircle_price
i-1
表示房屋在商圈尺度下第i-1个月所产生的第二资源。
[0070]
通过确定第一尺度下的第一资源变化趋势和第二尺度下的第二资源变化趋势，继而将第一资源变化趋势与第二资源变化趋势进行对比，以确定两者之间所产生的资源偏离程度，由此能够对不同尺度之间的资源偏离程度进行预测，实现针对于不同尺度下的房屋的资源变化趋势的预测，使得资源变化趋势的预测更加精细化。
[0071]
具体地，供需参数包括第一供需数据和第二供需数据，供需参数变化趋势包括第一供需变化趋势和第二供需变化趋势，相应地，上述步骤s21还包括：
[0072]
(4)获取第一尺度下的各个时间点的第一房屋数量以及所述第二尺度下的各个时间点的第二房屋数量。
[0073]
第一房屋数量表示在第一尺度下的各个时间点所完成资源置换的房屋量，同理，第二房屋数量表示在第二尺度下的各个时间点所完成资源置换的房屋量。
[0074]
具体地，电子设备可以统计各个时间点所完成资源置换的房屋量，并对统计得到的房屋量进行第一尺度和第二尺度的分类，即可得到第一房屋数量和第二房屋数量。
[0075]
(5)基于各个时间点的第一供需数据与第一房屋数量，确定出房屋在第一尺度下的第一供需变化趋势。
[0076]
第一供需变化趋势表示各个时间点的第一供需数据的变化率走势，具体地，将相邻时间节点的第一供需数据进行对比，即可得到第一供需变化率，继而将各个时间点的第一供需变化率按照时间先后顺序进行组合，得到第一供需变化趋势。其中，第一供需变化率的表达式为：
[0077][0078][0079]
其中，city_needi表示城市尺度下第i个月的第一供需数据；need1i表示城市尺度下第i个月的供需因素数据；h1i表示城市中第i个月完成资源置换的第一房屋数量；city_need_cri表示第i个月的第一供需变化率；city_needi表示房屋在城市尺度下第i个月所产生的第一供需数据；city_price
i-1
表示房屋在城市尺度下第i-1个月所产生的第一供需数据。
[0080]
(6)基于各个时间点的第二供需数据与第二房屋数量，确定出房屋在第二尺度下的第二供需变化趋势。
[0081]
第二供需变化趋势表示各个时间点的第二供需数据的变化率走势。同步骤(5)，可以得到第二供需变化率的表达式为：
[0082][0083][0084]
其中，bizcircle_needi表示商圈尺度下第i个月的第二供需数据；need2i表示城市尺度下第i个月的供需因素数据；h2i表示城市中第i个月完成资源置换的第二房屋数量；bizcircle_need_cri表示第i个月的第二供需变化率；bizcircle_needi表示房屋在城市尺度下第i个月所产生的第二供需数据；bizcircle_price
i-1
表示房屋在城市尺度下第i-1个月所产生的第二供需数据。
[0085]
通过确定第一尺度下的第一供需变化趋势和第二尺度下的第二供需变化趋势，继而将第一供需变化趋势与第二供需变化趋势进行对比，以确定两者之间所产生的供需偏离程度，由此能够对不同尺度之间的供需偏离程度进行预测，便于分析不同尺度下的供需数据变化状态。
[0086]
s22，基于资源变化趋势，确定第二尺度相对于第一尺度产生的资源偏离程度。
[0087]
将第二尺度下的资源变化趋势与第一尺度下的资源变化趋势在各个时间点进行对比，即可得到各个时间点所对应的资源偏离程度。
[0088]
具体地，上述步骤s22可以包括：
[0089]
(1)对比第二资源变化趋势与第一资源变化趋势，确定第二资源变化趋势与第一资源变化趋势之间的第一差异值。
[0090]
(2)将第一差异值确定为资源偏离程度。
[0091]
将第二资源变化趋势与第一资源变化趋势在各个时间点上进行作差处理，即可得到第二资源变化趋势与第一资源变化趋势在各个时间点上所产生的第一差异值，该第一差异值即为资源偏离程度。具体地，第一差异值的确定表达式如下：
[0092]
delta_price_cri＝bizcircle_price_cr
i-city_price_cri[0093]
其中，delta_price_cri表示资源偏离程度；bizcircle_price_cri表示房屋在商圈尺度下第i个月所产生的第二资源变化率；city_price_cri表示房屋在城市尺度下第i个月所产生的第一资源变化率。
[0094]
s23，基于供需参数变化趋势，确定第二尺度相对于第一尺度产生的供需偏离程度。
[0095]
将第二尺度下的供需参数变化趋势与第一尺度下的供需参数变化趋势在各个时间点进行对比，即可得到各个时间点所对应的供需偏离程度。
[0096]
具体地，上述步骤s23可以包括：
[0097]
(1)对比第二供需变化趋势与第一供需变化趋势，确定第二供需变化趋势与第一供需变化趋势之间的第二差异值。
[0098]
(2)将第二差异值确定为供需偏离程度。
[0099]
将第二供需变化趋势与第一供需变化趋势在各个时间点上进行作差处理，即可得到第二供需变化趋势与第一供需变化趋势在各个时间点上所产生的第二差异值，该第二差异值即为供需偏离程度。具体地，第二差异值的确定表达式如下：
[0100]
delta_need_cri＝bizcircle_need_cr
i-city_need_cri[0101]
其中，delta_need_cri表示供需偏离程度；bizcircle_need_cri表示房屋在商圈尺度下第i个月所产生的第二供需变化率；city_need_cri表示房屋在城市尺度下第i个月所产生的第一供需变化率。
[0102]
s24，以资源偏离程度作为因变量，以第二尺度对应的供需参数、第二尺度对应的供需参数变化趋势以及供需偏离程度作为自变量，生成资源预测模型。
[0103]
以资源偏离程度(delta_price_cri)为因变量，以第二尺度对应的供需参数(bizcircle_needi)、第二尺度对应的供需参数变化趋势(bizcircle_need_cri)以及供需偏离程度(delta_need_cri)作为自变量，可以构建线性回归模型。通过多组数据进行拟合，可以得到对应于供需参数、供需参数变化趋势以及供需偏离程度的参数(即权重系数)。继而基于各个权重系数以及各个自变量即可得到用于预测资源偏离程度的资源预测模型。
[0104]
具体地，通过历史资源预测房屋的资源变化趋势(即各个时间点对应的city_price_cri)，可以预测得到房屋在未来时期内的资源变化预测趋势(即各个时间点对应的city_price_cri)。
[0105]
将针对于未来情景的预设供需数据输入至资源预测模型之后，可以得到相应的资源偏离程度delta_price_cr
t
，继而结合city_price_cr
t
以及delta_price_cr
t
，即可得到房屋在第二尺度下的预测资源变化趋势bizcircle_price_cr
t
：
[0106]
bizcircle_price_cr
t
＝city_price_cr
t
+delta_price_cr
t
[0107]
本实施例提供的房屋的资源变化预测方法，通过以资源偏离程度作为因变量，以第二尺度对应的供需参数、第二尺度对应的供需参数变化趋势以及供需偏离程度作为自变量，进行资源预测模型的构建，保证通过资源预测模型所得到的资源偏离程度更加可信，继而保证了房屋的资源变化趋势更加具有可信度。
[0108]
在本实施例中提供了一种房屋的资源变化预测方法，可用于电子设备，如手机、平板电脑、电脑等，图3是根据本发明实施例的房屋的资源变化预测方法的流程图，如图3所示，该流程包括如下步骤：
[0109]
s31，获取房屋在第一尺度下的历史资源，以及房屋在第二尺度下的预设供需数据。
[0110]
详细说明参见上述实施例对应的相关描述，此处不再赘述。
[0111]
s32，基于历史资源预测房屋的资源变化趋势，得到房屋在第一尺度下的资源变化预测趋势。
[0112]
具体地，上述步骤s32可以包括：
[0113]
s321，基于历史资源构建针对于房屋的资源时间序列模型。
[0114]
历史资源为针对于房屋在历史时期内所产生的历史置换数据，将过去时间划分为多个时间点(例如，将一个月作为一个时间点)，则可以得到各个时间点所对应的房屋的资源。将各个时间点所对应的房屋的资源按照时间先后顺序进行排列，得到房屋的资源时间序列模型。
[0115]
s322，根据资源时间序列模型预测房屋的资源变化趋势，确定房屋在第一尺度下的资源变化预测趋势。
[0116]
资源变化趋势为房屋的资源随时间变化的趋势。通过资源时间序列模型可以确定出历史时间内的房屋的资源随时间变化的趋势，根据历史时间内的资源变化趋势对未来时间内的资源变化趋势进行预测，得到房屋在第一尺度下的资源变化预测趋势。
[0117]
s33，采用资源预测模型，基于预设供需数据确定房屋在所述第二尺度下的目标资源偏离程度。其中，资源预测模型基于资源偏离程度以及供需数据构建得到。
[0118]
详细说明参见上述实施例对应的相关描述，此处不再赘述。
[0119]
s34，基于目标资源偏离程度与资源变化预测趋势，得到房屋在第二尺度下针对于资源变化趋势的预测结果。
[0120]
详细说明参见上述实施例对应的相关描述，此处不再赘述。
[0121]
本实施例提供的房屋的资源变化预测方法，通过构建资源时间序列模型，便于快速准确的分析房屋的资源变化状态，从而预测出房屋在第一尺度下的资源变化趋势。
[0122]
在本实施例中还提供了一种房屋的资源变化预测装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
[0123]
本实施例提供一种房屋的资源变化预测装置，如图4所示，包括：
[0124]
获取模块41，用于获取房屋在第一尺度下的历史资源，以及房屋在第二尺度下的预设供需数据。
[0125]
第一预测模块42，用于基于历史资源预测房屋的资源变化趋势，得到房屋在第一尺度下的资源变化预测趋势。
[0126]
确定模块43，用于采用资源预测模型，基于预设供需数据确定房屋在第二尺度下的目标资源偏离程度。其中，资源预测模型基于资源偏离程度以及供需数据构建得到。
[0127]
第二预测模块44，用于基于目标资源偏离程度与资源变化预测趋势，得到房屋在第二尺度下针对于资源变化趋势的预测结果。
[0128]
可选地，上述确定模块43可以包括：
[0129]
第一获取子模块，用于获取房屋在第一尺度与第二尺度下的资源变化趋势、供需参数以及供需参数变化趋势。
[0130]
第一确定子模块，用于基于资源变化趋势，确定第二尺度相对于第一尺度产生的资源偏离程度。
[0131]
第二确定子模块，用于基于供需参数变化趋势，确定第二尺度相对于第一尺度产生的供需偏离程度。
[0132]
生成子模块，用于以资源偏离程度作为因变量，以第二尺度对应的供需参数、第二尺度对应的供需参数变化趋势以及供需偏离程度作为自变量，生成资源预测模型。
[0133]
可选地，上述第一获取子模块具体用于：获取房屋在第一尺度下各个时间节点所对应的第一资源，以及房屋在第二尺度下各个时间节点所对应的第二资源；对比各个时间节点所对应的第一资源的变化，确定第一资源变化趋势；对比各个时间节点所对应的第二资源的变化，确定第二资源变化趋势。
[0134]
可选地，上述第一获取子模块具体还用于：获取第一尺度下的各个时间点的第一房屋数量以及所述第二尺度下的各个时间点的第二房屋数量；基于各个时间点的第一供需数据与第一房屋数量，确定出房屋在第一尺度下的第一供需变化趋势；基于各个时间点的第二供需数据与第二房屋数量，确定出房屋在第二尺度下的第二供需变化趋势。
[0135]
可选地，上述第一确定子模块具体用于：对比第二资源变化趋势与第一资源变化趋势，确定第二资源变化趋势与第一资源变化趋势之间的第一差异值；将第一差异值确定为资源偏离程度。
[0136]
可选地，上述第二确定子模块具体用于：对比第二供需变化趋势与第一供需变化趋势，确定第二供需变化趋势与第一供需变化趋势之间的第二差异值；将第二差异值确定为供需偏离程度。
[0137]
可选地，上述第一预测模块42可以包括：
[0138]
构建子模块，用于基于历史资源构建针对于房屋的资源时间序列模型。
[0139]
预测子模块，用于根据资源时间序列模型预测房屋的资源变化趋势，确定房屋在第一尺度下的资源变化预测趋势。
[0140]
本实施例提供的房屋的资源变化预测装置，通过第一尺度下的房屋的资源变化趋势预测第二尺度下的资源变化趋势，由此在第二尺度缺失数据时亦能够通过资源预测模型确定出第二尺度相对于第一尺度的目标资源偏离程度，继而结合第一尺度的资源变化趋势
以及目标资源偏离程度即可确定出房屋在第二尺度下的资源变化趋势，不再受限于数据样本量，实现了针对于不同尺度的资源变化趋势的准确预测。
[0141]
本实施例中的房屋的资源变化预测装置是以功能单元的形式来呈现，这里的单元是指asic电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。
[0142]
上述各模块的更进一步的功能描述与上述对应实施例相同，在此不再赘述。
[0143]
本发明实施例还提供一种电子设备，具有上述图4所示的房屋的资源变化预测装置。
[0144]
请参阅图5，图5是本发明可选实施例提供的一种电子设备的结构示意图，如图5所示，该电子设备可以包括：至少一个处理器501，例如cpu(central processing unit，中央处理器)，至少一个通信接口503，存储器504，至少一个通信总线502。其中，通信总线502用于实现这些组件之间的连接通信。其中，通信接口503可以包括显示屏(display)、键盘(keyboard)，可选通信接口503还可以包括标准的有线接口、无线接口。存储器504可以是高速ram存储器(random access memory，易挥发性随机存取存储器)，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器504可选的还可以是至少一个位于远离前述处理器501的存储装置。其中处理器501可以结合图4所描述的装置，存储器504中存储应用程序，且处理器501调用存储器504中存储的程序代码，以用于执行上述任一方法步骤。
[0145]
其中，通信总线502可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。通信总线502可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0146]
其中，存储器504可以包括易失性存储器(英文：volatile memory)，例如随机存取存储器(英文：random-access memory，缩写：ram)；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flash memory)，硬盘(英文：hard disk drive，缩写：hdd)或固态硬盘(英文：solid-state drive，缩写：ssd)；存储器504还可以包括上述种类存储器的组合。
[0147]
其中，处理器501可以是中央处理器(英文：central processing unit，缩写：cpu)，网络处理器(英文：network processor，缩写：np)或者cpu和np的组合。
[0148]
其中，处理器501还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文：application-specific integrated circuit，缩写：asic)，可编程逻辑器件(英文：programmable logic device，缩写：pld)或其组合。上述pld可以是复杂可编程逻辑器件(英文：complex programmable logic device，缩写：cpld)，现场可编程逻辑门阵列(英文：field-programmable gate array，缩写：fpga)，通用阵列逻辑(英文：generic array logic，缩写：gal)或其任意组合。
[0149]
可选地，存储器504还用于存储程序指令。处理器501可以调用程序指令，实现如本技术图1至图3实施例中所示的房屋的资源变化预测方法。
[0150]
本发明实施例还提供了一种非暂态计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的房屋的资源变化
预测方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)、随机存储记忆体(random access memory，ram)、快闪存储器(flash memory)、硬盘(hard disk drive，缩写：hdd)或固态硬盘(solid-state drive，ssd)等；所述存储介质还可以包括上述种类的存储器的组合。
[0151]
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。