基于蝙蝠算法的神经网络预测模型的研究及应用
发布时间:2024-02-28 08:45
股票市场作为经济领域中的重要代表,受到各界的广泛关注,又因为股票价格受诸多因素影响,导致股票价格具有很强的不确定性,因此,对股票价格进行科学预测,可引导投资者合理投资,使投资风险最小化。我们基于神经网络在预测领域的强大优势与不足,考虑将一种新型人工智能算法——蝙蝠算法(Bat Algorithm,BA)与BP神经网络相结合,对基于改进蝙蝠算法的神经网络预测模型和优化模型进行了深入的研究,研究结果对股票预测具有一定的理论意义和实际应用价值。本文主要研究工作如下:1.在对神经网络和蝙蝠算法的基本原理与国内外研究现状进行综述的基础上,结合现代人工智能理论及股票价格特点,为建立非线性时间序列数据预测模型提供了基础资料。2.为了提高传统蝙蝠算法的收敛速度、寻优精度及初始解的质量,考虑引入混沌算法对蝙蝠算法进行优化,进而训练神经网络,给出基于混沌蝙蝠算法(CBA)的神经网络预测模型;考虑到混沌蝙蝠算法仍存在种群种类单一、易陷入局部最优的不足,进一步将差分进化算法引入,运用混沌差分蝙蝠算法训练神经网络,给出基于混沌差分蝙蝠算法(CDEBA)的神经网络预测模型。3.以鞍钢股份(000898)数据为研究...
【文章页数】:64 页
【学位级别】:硕士
【文章目录】:
中文摘要
ABSTRACT
1.绪论
1.1 研究背景和意义
1.2 国内外研究综述
1.2.1 神经网络的国内外研究现状
1.2.2 蝙蝠算法的国内外研究现状
1.3 本文的主要组织结构
2.相关理论知识
2.1 BP神经网络的相关知识
2.1.1 BP神经网络的结构
2.1.2 BP神经网络的学习算法
2.1.3 BP神经网络的参数设置
2.1.4 BP神经网络的计算步骤
2.1.5 BP算法程序实现流程
2.1.6 BP神经网络的局限性
2.2 蝙蝠算法的相关知识
2.2.1 蝙蝠算法的生物学知识
2.2.2 蝙蝠算法的基础知识
2.2.3 蝙蝠算法的运算步骤
2.3 混沌理论的相关知识
2.3.1 混沌理论简介
2.3.2 混沌理论的基本概念和特征
2.3.3 混沌优化算法步骤
2.4 差分进化算法的相关知识
2.4.1 差分进化算法简介
2.4.2 差分进化算法的运算步骤
2.4.3 差分进化算法扩展模式
2.5 本章小结
3.基于蝙蝠算法的神经网络优化算法
3.1 BP神经网络的基本原理
3.2 基于蝙蝠算法的神经网络学习算法
3.2.1 蝙蝠算法训练神经网络的可行性
3.2.2 蝙蝠算法训练BP神经网络的基本思想
3.2.3 基于蝙蝠算法训练BP神经网络的步骤
3.3 基于混沌蝙蝠算法的神经网络学习算法
3.3.1 混沌蝙蝠算法的提出
3.3.2 混沌蝙蝠算法的基本思想
3.3.3 混沌蝙蝠算法训练BP神经网络的步骤
3.4 基于混沌差分蝙蝠算法的神经网络学习算法
3.4.1 混沌差分蝙蝠算法的提出
3.4.2 混沌差分蝙蝠算法训练BP神经网络的基本思想
3.4.3 混沌差分蝙蝠算法训练BP神经网络的步骤
3.5 本章小结
4.基于优化蝙蝠算法的神经网络预测模型的建立
4.1 BP神经网络对时间序列数据预测
4.1.1 BP神经网络对时间序列数据预测的基本思想
4.1.2 BP神经网络预测的基本步骤
4.2 基于蝙蝠算法的神经网络预测模型
4.2.1 BP神经网络模型的建立
4.2.2 蝙蝠算法的相关参数的选取
4.2.3 基于蝙蝠算法的神经网络预测模型
4.3 基于优化蝙蝠算法的神经网络预测模型
4.3.1 基于混沌蝙蝠算法的神经网络预测模型
4.3.2 基于混沌差分蝙蝠算法的神经网络预测模型
4.4 本章小结
5.基于优化蝙蝠算法的BP神经网络预测模型的应用
5.1 蝙蝠神经网络模型预测股票的方法
5.1.1 原始数据的选取
5.1.2 蝙蝠神经网络模型预测股票的基本步骤
5.2 基于优化蝙蝠算法的神经网络预测模型的建立与预测结果
5.2.1 基于蝙蝠神经网络预测模型的建立与预测结果
5.2.2 基于混沌蝙蝠神经网络预测模型的建立与预测结果
5.2.3 基于混沌差分蝙蝠神经网络预测模型的建立与预测结果
5.3 各模型预测结果比较分析
5.4 本章小结
6.总结与展望
6.1 总结
6.2 展望
参考文献
致谢
作者简介
本文编号:3913622
【文章页数】:64 页
【学位级别】:硕士
【文章目录】:
中文摘要
ABSTRACT
1.绪论
1.1 研究背景和意义
1.2 国内外研究综述
1.2.1 神经网络的国内外研究现状
1.2.2 蝙蝠算法的国内外研究现状
1.3 本文的主要组织结构
2.相关理论知识
2.1 BP神经网络的相关知识
2.1.1 BP神经网络的结构
2.1.2 BP神经网络的学习算法
2.1.3 BP神经网络的参数设置
2.1.4 BP神经网络的计算步骤
2.1.5 BP算法程序实现流程
2.1.6 BP神经网络的局限性
2.2 蝙蝠算法的相关知识
2.2.1 蝙蝠算法的生物学知识
2.2.2 蝙蝠算法的基础知识
2.2.3 蝙蝠算法的运算步骤
2.3 混沌理论的相关知识
2.3.1 混沌理论简介
2.3.2 混沌理论的基本概念和特征
2.3.3 混沌优化算法步骤
2.4 差分进化算法的相关知识
2.4.1 差分进化算法简介
2.4.2 差分进化算法的运算步骤
2.4.3 差分进化算法扩展模式
2.5 本章小结
3.基于蝙蝠算法的神经网络优化算法
3.1 BP神经网络的基本原理
3.2 基于蝙蝠算法的神经网络学习算法
3.2.1 蝙蝠算法训练神经网络的可行性
3.2.2 蝙蝠算法训练BP神经网络的基本思想
3.2.3 基于蝙蝠算法训练BP神经网络的步骤
3.3 基于混沌蝙蝠算法的神经网络学习算法
3.3.1 混沌蝙蝠算法的提出
3.3.2 混沌蝙蝠算法的基本思想
3.3.3 混沌蝙蝠算法训练BP神经网络的步骤
3.4 基于混沌差分蝙蝠算法的神经网络学习算法
3.4.1 混沌差分蝙蝠算法的提出
3.4.2 混沌差分蝙蝠算法训练BP神经网络的基本思想
3.4.3 混沌差分蝙蝠算法训练BP神经网络的步骤
3.5 本章小结
4.基于优化蝙蝠算法的神经网络预测模型的建立
4.1 BP神经网络对时间序列数据预测
4.1.1 BP神经网络对时间序列数据预测的基本思想
4.1.2 BP神经网络预测的基本步骤
4.2 基于蝙蝠算法的神经网络预测模型
4.2.1 BP神经网络模型的建立
4.2.2 蝙蝠算法的相关参数的选取
4.2.3 基于蝙蝠算法的神经网络预测模型
4.3 基于优化蝙蝠算法的神经网络预测模型
4.3.1 基于混沌蝙蝠算法的神经网络预测模型
4.3.2 基于混沌差分蝙蝠算法的神经网络预测模型
4.4 本章小结
5.基于优化蝙蝠算法的BP神经网络预测模型的应用
5.1 蝙蝠神经网络模型预测股票的方法
5.1.1 原始数据的选取
5.1.2 蝙蝠神经网络模型预测股票的基本步骤
5.2 基于优化蝙蝠算法的神经网络预测模型的建立与预测结果
5.2.1 基于蝙蝠神经网络预测模型的建立与预测结果
5.2.2 基于混沌蝙蝠神经网络预测模型的建立与预测结果
5.2.3 基于混沌差分蝙蝠神经网络预测模型的建立与预测结果
5.3 各模型预测结果比较分析
5.4 本章小结
6.总结与展望
6.1 总结
6.2 展望
参考文献
致谢
作者简介
本文编号:3913622
本文链接:https://www.wllwen.com/jingjilunwen/gongyejingjilunwen/3913622.html