【摘要】： 在對目前國際上股票預(yù)測研究的熱點之一——人工神經(jīng)網(wǎng)絡(luò)進行深入地分析與研究的基礎(chǔ)上,針對其收斂速度慢,學(xué)習(xí)中不具備全局搜索能力,易陷入局部極小,并最終導(dǎo)致股價預(yù)測精度不高的問題,本文提出了基于粒子群優(yōu)化(Particle Swarm Optimization,PSO)的神經(jīng)網(wǎng)絡(luò)模型及算法,并對輸入變量運用主成分分析法降維處理,以提高算法的效率,與BP神經(jīng)網(wǎng)絡(luò)相比,股價預(yù)測精度提高較大。主要從事了以下研究工作: (1) BP算法 通過對BP算法的深入研究,運用MATLAB對現(xiàn)實股票的價格進行仿真預(yù)測,實驗表明其預(yù)測精度不高,不能滿足實際的要求。 (2) PSO算法 通過對PSO算法改進的討論和比較,從實際情況出發(fā),確定了帶慣性因子的PSO算法做為基于PSO的神經(jīng)網(wǎng)絡(luò)算法的基礎(chǔ)。 (3)采用主成分分析法對多維變量降維 引入主成分分析法對原始輸入變量進行降維處理,選擇輸入變量的主成分作為網(wǎng)絡(luò)輸入,一方面減少了輸入維數(shù),消除了各輸入變量的相關(guān)性,提高了運算的效率;另一方面提高了網(wǎng)絡(luò)的收斂性和穩(wěn)定性,也簡化了網(wǎng)絡(luò)的結(jié)構(gòu)。實驗證明:與未經(jīng)處理的多變量相比,輸入變量由原來的15個變成3個,大大減少了輸入維數(shù),運行時間減少,預(yù)測精度有所提高。 (4)基于PSO的神經(jīng)網(wǎng)絡(luò)模型及算法 基于PSO的神經(jīng)網(wǎng)絡(luò)模型及算法是本研究的中心,在對BP算法、PSO算法以及主成分分析法深入研究的基礎(chǔ)上,提出了基于PSO的神經(jīng)網(wǎng)絡(luò)模型及算法。 實驗結(jié)果表明,在股價預(yù)測上,與BP神經(jīng)網(wǎng)絡(luò)相比,基于PSO的神經(jīng)網(wǎng)絡(luò)模型預(yù)測精度更高,且達到實驗的預(yù)期目的。
【圖文】：

人們從理論上證明了具有一個隱層的前饋神經(jīng)網(wǎng)絡(luò)就可以逼近任意的連續(xù)函數(shù)。一個多層前饋神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)結(jié)構(gòu)如圖 2.1 所示：輸入部 W 輸出部實際輸出X×教師信號訓(xùn)練部圖 2.1 神經(jīng)網(wǎng)絡(luò)系統(tǒng)結(jié)構(gòu)系統(tǒng)分為三個部分，輸入部分、訓(xùn)練部分和輸出部分。輸入部分接收外來的輸入X，由訓(xùn)練部分進行網(wǎng)絡(luò)的權(quán)系數(shù) W 調(diào)整，然后由輸出部分輸出結(jié)果。在這個過期望的輸出信號可以作為教師信號輸入，，由該教師信號與實際輸出進行比較，產(chǎn)差去控制修改權(quán)系數(shù) W。其學(xué)習(xí)結(jié)構(gòu)如圖 2.2 所示。

383 S 型激勵函數(shù)圖 5.3 所示的是對數(shù) S 型的激勵函數(shù)，其輸入?yún)?shù)是正負區(qū)間內(nèi)的任意值，而輸出被限定在[0,1]之間。這種函數(shù)通常應(yīng)用于反向傳播神經(jīng)網(wǎng)絡(luò)。對于多層的網(wǎng)絡(luò)，這種激勵函數(shù)所劃分的區(qū)域不是線性劃分，是由一個非線性的超平面組成的區(qū)域，它是比較柔
【學(xué)位授予單位】：新疆大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2008
【分類號】：F830.91;TP183

【相似文獻】

相關(guān)期刊論文 前10條

1 楊黎萌,劉開第;BP神經(jīng)網(wǎng)絡(luò)在房地產(chǎn)估價中的應(yīng)用[J];河北建筑科技學(xué)院學(xué)報;2004年02期

2 李樹根;;基于BP神經(jīng)網(wǎng)絡(luò)的財務(wù)預(yù)警方法探究[J];中國管理信息化(會計版);2007年11期

3 張漾濱;向軍;;基于BP神經(jīng)網(wǎng)絡(luò)的上市公司信用風(fēng)險評價[J];當代經(jīng)濟(下半月);2008年11期

4 杭秋麗;;模擬電路故障診斷的BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)[J];科技創(chuàng)新導(dǎo)報;2009年06期

5 張佩;馮璐;;西安房地產(chǎn)市場分析預(yù)測中神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用研究[J];科技經(jīng)濟市場;2009年06期

6 金代志;王春霞;石春生;;基于BP神經(jīng)網(wǎng)絡(luò)的顧客價值識別研究[J];中國軟科學(xué);2009年07期

7 吳勁軍;人口預(yù)測的BP神經(jīng)網(wǎng)絡(luò)模型[J];統(tǒng)計與決策;2004年03期

8 羅兵,黃萬杰,楊帥;基于BP神經(jīng)網(wǎng)絡(luò)的庫存動態(tài)預(yù)測及其應(yīng)用[J];重慶大學(xué)學(xué)報(自然科學(xué)版);2005年02期

9 王維國,張靜靜;基于BP神經(jīng)網(wǎng)絡(luò)的貨運量預(yù)測方法[J];物流技術(shù);2005年07期

10 高麗華;朱邦毅;;基于BP神經(jīng)網(wǎng)絡(luò)的中小企業(yè)信用評價[J];商場現(xiàn)代化;2006年14期

相關(guān)會議論文 前10條

1 馬翔;;粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)用于重復(fù)記錄檢測[A];中國運籌學(xué)會模糊信息與模糊工程分會第五屆學(xué)術(shù)年會論文集[C];2010年

2 吳今培;胡旭川;陳世權(quán);;非線性時間序列動態(tài)建模與預(yù)測的BP神經(jīng)網(wǎng)絡(luò)方法[A];1999年中國智能自動化學(xué)術(shù)會議論文集（上冊）[C];1999年

3 包健;吳迎笑;嚴義;;神經(jīng)網(wǎng)絡(luò)反銳化掩模算法在車牌識別中的應(yīng)用[A];第三屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2005年

4 吳進華;巫檢豐;李莉;;基于BP神經(jīng)網(wǎng)絡(luò)的非線性動態(tài)系統(tǒng)辨識方法[A];中國航空學(xué)會控制與應(yīng)用第十二屆學(xué)術(shù)年會論文集[C];2006年

5 周揚;翁劍楓;王昕峰;;于BP神經(jīng)網(wǎng)絡(luò)多光譜測溫儀設(shè)計[A];2009中國儀器儀表與測控技術(shù)大會論文集[C];2009年

6 齊冬蓮;趙光宙;;非線性動力學(xué)系統(tǒng)的神經(jīng)網(wǎng)絡(luò)內(nèi)�？刂蒲芯縖A];第11屆全國電氣自動化電控系統(tǒng)學(xué)術(shù)年會論文集[C];2002年

7 汪渤;閆杰;高洪民;;慣性導(dǎo)航系統(tǒng)傳遞對準技術(shù)研究[A];中國慣性技術(shù)學(xué)會光電技術(shù)專業(yè)委員會第五次學(xué)術(shù)交流會暨重慶慣性技術(shù)學(xué)會第九次學(xué)術(shù)交流會論文集[C];2002年

8 甄洪斌;張曉鋒;沈兵;何必;楊華;;基于BP神經(jīng)網(wǎng)絡(luò)的艦船電力系統(tǒng)暫態(tài)穩(wěn)定性分析[A];現(xiàn)代船舶機電維修技術(shù)（2005）[C];2005年

9 孟科;李紹軍;錢鋒;;實數(shù)編碼免疫算法在溶劑脫水塔軟測量中的應(yīng)用[A];'2006系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2006年

10 羅小波;劉明皓;;基于優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)遙感影像分類[A];2006年中國土地學(xué)會學(xué)術(shù)年會論文集[C];2006年

相關(guān)重要報紙文章 前3條

1 費振波 武英舉 本報記者 吳利紅;金星軟硬件開發(fā)齊頭并進[N];黑龍江日報;2004年

2 ;通用數(shù)字視覺平臺JVISION-500[N];科技日報;2003年

3 汽車行業(yè)“十五”規(guī)劃研究課題組;“十五”摩托車市場需求預(yù)測[N];中國機電日報;2000年

相關(guān)博士學(xué)位論文 前10條

1 竇全勝;求解優(yōu)化問題的演化計算方法研究[D];吉林大學(xué);2005年

2 劉麗;人工免疫網(wǎng)絡(luò)研究及應(yīng)用[D];江南大學(xué);2008年

3 李磊;六自由度并聯(lián)平臺位置正解及控制方法研究[D];哈爾濱工程大學(xué);2008年

4 馬瑞新;基于粒子群的網(wǎng)絡(luò)社區(qū)動態(tài)角色挖掘研究[D];大連理工大學(xué);2012年

5 陳虹;分離流動的電磁力主動控制[D];華中科技大學(xué);2011年

6 林川;粒子群優(yōu)化與差分進化算法研究及其應(yīng)用[D];西南交通大學(xué);2009年

7 韓曉霞;混沌與支持向量機結(jié)合的多相催化建模與優(yōu)化研究[D];太原理工大學(xué);2010年

8 柯晶;強跟蹤狀態(tài)估計與群集辨識[D];浙江大學(xué);2003年

9 王昌全;成都平原城市化土壤重（類）金屬演變及其環(huán)境效應(yīng)研究[D];西南農(nóng)業(yè)大學(xué);2005年

10 時小虎;Elman神經(jīng)網(wǎng)絡(luò)與進化算法的若干理論研究及應(yīng)用[D];吉林大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 田軍;基于PSO的神經(jīng)網(wǎng)絡(luò)模型在股價預(yù)測上的研究及應(yīng)用[D];新疆大學(xué);2008年

2 郭陽;PSO-BP神經(jīng)網(wǎng)絡(luò)在商業(yè)銀行信用風(fēng)險評估中的應(yīng)用研究[D];廈門大學(xué);2009年

3 黃繼紅;基于改進PSO的BP網(wǎng)絡(luò)的研究及應(yīng)用[D];長沙理工大學(xué);2008年

4 雷燁;基于粒子群最小二乘支持向量機的故障診斷算法研究[D];蘭州交通大學(xué);2010年

5 馬培培;基于粒子群的圖像閾值化分割的研究及應(yīng)用[D];合肥工業(yè)大學(xué);2010年

6 姚杰;基于PSO混沌神經(jīng)網(wǎng)絡(luò)電力系統(tǒng)負荷預(yù)測[D];大慶石油學(xué)院;2009年

7 劉楊;粒子群優(yōu)化算法在電力系統(tǒng)無功優(yōu)化中的應(yīng)用[D];天津大學(xué);2005年

8 任曉娜;DNA計算中的編碼設(shè)計優(yōu)化算法[D];湖南大學(xué);2010年

9 王琳;基于粒子群優(yōu)化的數(shù)據(jù)流挖掘的聚類算法分析[D];長沙理工大學(xué);2010年

10 楊治明;人工神經(jīng)網(wǎng)絡(luò)及其在圖像識別中的應(yīng)用研究[D];重慶大學(xué);2003年

本文編號：2692685