本发明涉及数据处理，具体涉及一种新车价格预测方法、装置、设备及存储介质。
背景技术：
1、目前，汽车市场竞争日益激烈，越来越多的汽车品牌和车型进入市场，为了对二手车的定价提供参考，企业需要对新车的价格进行预测。
2、现有技术中，企业或用户主要是通过人工浏览相关汽车信息网站来获取汽车车型的历史价格，而传统的新车价格存在计算逻辑缺乏技术支撑的问题，难以对新车价格进行准确的预测，因此，无法作为二手车的精准估值依据。因此，本发明旨在提供一种基于多元时间序列模型的新车价格预测方法，以提高新车价格数据的准确性，帮助厂家经营决策，也为二手车定价提供参考。
技术实现思路
1、本发明实施例提供一种新车价格预测方法、装置、设备及存储介质，能够解决现有技术中新车价格难以精准预测的问题。所述技术方案如下：
2、根据本发明实施例的第一方面，提供一种新车价格预测方法，所述方法包括：
3、获取目标新车历史数据，所述目标新车历史数据至少包括车型信息、地区信息、售出日期以及售价比率；
4、提取所述目标新车历史数据中预设个数、预设周期的数据为目标数据组；
5、将所述目标新车历史数据根据预设的prophet模型进行训练，得到第一预测价格；
6、将所述目标数据组分别根据预设的deepar、tft模型进行训练，得到第二预测价格和第三预测价格；
7、对所述第一预测价格、所述第二预测价格和所述第三预测价格进行分析，得到目标预测价格。
8、本发明实施例提供的新车价格预测方法，首先获取目标新车历史数据，目标新车历史数据至少包括车型信息、地区信息、售出日期以及售价比率；再提取目标新车历史数据中预设个数、预设周期的数据为目标数据组；然后将目标新车历史数据根据预设的prophet模型进行训练，得到第一预测价格；将目标数据组分别根据预设的deepar、tft模型进行训练，得到第二预测价格和第三预测价格；最后对第一预测价格、第二预测价格和第三预测价格进行分析，得到目标预测价格。本发明新车价格预测方法通过对各省份历史新车数据进行收集，并通过多元时间序列模型进行训练，可以得到多省份的车型新车价格预测数据，为车辆数据的进一步加工及应用提供技术基础，且新车价格数据准确性高。
9、作为本发明再进一步的方案：所述获取目标新车历史数据包括：
10、采集新车历史数据，所述新车历史数据至少包括车型信息、地区信息、售出日期、售出价格以及指导价格；
11、根据所述售出价格以及对应的所述指导价格获得所述售价比率。
12、作为本发明再进一步的方案：所述根据所述售出价格以及对应的所述指导价格获得所述售价比率包括：
13、将所述售出价格除以对应的所述指导价格计算得到所述售价比率。
14、作为本发明再进一步的方案：所述对所述第一预测价格、所述第二预测价格和所述第三预测价格进行分析，得到目标预测价格包括：
15、根据所述第一预测价格、所述第二预测价格和所述第三预测价格获得预测平均值；
16、根据所述预测平均值分别获得所述第一预测价格、所述第二预测价格和所述第三预测价格的差值；
17、当所述差值在预设阈值内时，确定所述预测平均值为所述目标预测价格。
18、作为本发明再进一步的方案：所述方法还包括：
19、当所述差值超出所述预设阈值时，对所述第一预测价格、所述第二预测价格和所述第三预测价格进行两两比较，排除单个异常值，将剩余两个预测价格的平均值确定为所述目标预测价格。
20、作为本发明再进一步的方案：所述方法还包括：
21、对所述目标预测价格进行逻辑检验；
22、根据逻辑检验结果以及预设的修改规则对所述目标预测价格进行修改。
23、作为本发明再进一步的方案：所述对所述目标预测价格进行逻辑检验包括：
24、判断所述目标预测价格是否超出预设范围；
25、相应的，所述根据逻辑检验结果以及预设的修改规则对所述目标预测价格进行修改包括：
26、在判断结果为是时，根据所述预设的修改规则对所述目标预测价格进行修改。
27、根据本发明实施例的第二方面，提供一种新车价格预测装置，包括获取模块、数据提取模块、第一训练模块、第二训练模块以及分析模块；
28、所述获取模块，用于获取目标新车历史数据，所述目标新车历史数据至少包括车型信息、地区信息、售出日期以及售价比率；
29、所述数据提取模块，用于提取所述目标新车历史数据中预设个数、预设周期的数据为目标数据组；
30、所述第一训练模块，用于将所述目标新车历史数据根据预设的prophet模型进行训练，得到第一预测价格；
31、所述第二训练模块，用于将所述目标数据组分别根据预设的deepar、tft模型进行训练，得到第二预测价格和第三预测价格；
32、所述分析模块，用于对所述第一预测价格、所述第二预测价格和所述第三预测价格进行分析，得到目标预测价格。
33、本发明实施例提供的新车价格预测装置，包括获取模块、数据提取模块、第一训练模块、第二训练模块以及分析模块；获取模块获取目标新车历史数据，目标新车历史数据至少包括车型信息、地区信息、售出日期以及售价比率；数据提取模块提取目标新车历史数据中预设个数、预设周期的数据为目标数据组；第一训练模块将目标新车历史数据根据预设的prophet模型进行训练，得到第一预测价格；第二训练模块将目标数据组分别根据预设的deepar、tft模型进行训练，得到第二预测价格和第三预测价格；分析模块对第一预测价格、第二预测价格和第三预测价格进行分析，得到目标预测价格。本发明新车价格预测装置通过对各省份历史新车数据进行收集，并通过多元时间序列模型进行训练，可以得到多省份的车型新车价格预测数据，为车辆数据的进一步加工及应用提供技术基础，且新车价格数据准确性高。
34、根据本发明实施例的第三方面，提供一种新车价格预测设备，所述新车价格预测设备包括处理器和存储器，所述存储器中存储有至少一条计算机指令，所述指令由所述处理器加载并执行以实现上述任一项所述的新车价格预测方法中所执行的步骤。
35、根据本发明实施例的第四方面，提供一种计算机可读存储介质，所述存储介质中存储有至少一条计算机指令，所述指令由处理器加载并执行以实现上述任一项所述的新车价格预测方法中所执行的步骤。
36、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
1.一种新车价格预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的新车价格预测方法，其特征在于，所述获取目标新车历史数据包括：
3.根据权利要求2所述的新车价格预测方法，其特征在于，所述根据所述售出价格以及对应的所述指导价格获得所述售价比率包括：
4.根据权利要求1所述的新车价格预测方法，其特征在于，所述对所述第一预测价格、所述第二预测价格和所述第三预测价格进行分析，得到目标预测价格包括：
5.根据权利要求4所述的新车价格预测方法，其特征在于，所述方法还包括：
6.根据权利要求1～5任一项所述的新车价格预测方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的新车价格预测方法，其特征在于，所述对所述目标预测价格进行逻辑检验包括：
8.一种新车价格预测装置，其特征在于，包括获取模块、数据提取模块、第一训练模块、第二训练模块以及分析模块；
9.一种新车价格预测设备，其特征在于，所述新车价格预测设备包括处理器和存储器，所述存储器中存储有至少一条计算机指令，所述指令由所述处理器加载并执行以实现权利要求1至权利要求7任一项所述的新车价格预测方法中所执行的步骤。
10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条计算机指令，所述指令由处理器加载并执行以实现权利要求1至权利要求7任一项所述的新车价格预测方法中所执行的步骤。
