基于自适应鲸鱼优化算法结合Elman神经网络的股市收盘价预测算法

发布时间：2024-05-30 04:11

　　针对Elman神经网络在基于股市网络舆情的收盘价预测中存在的收敛速度慢且预测精度低的问题,提出了结合基于自适应噪声的完全集合经验模态分解(CEEMDAN)的改进鲸鱼优化算法(IWOA)结合Elman神经网络预测模型。首先,通过文本挖掘技术对上海证券交易所股票价格综合指数(SSE)180股的网络舆情进行挖掘和量化,并利用Boruta算法筛选重要属性以降低属性集的复杂度;然后,通过CEEMDAN算法在属性集中添加一定数量特定方差的白噪声,实现属性序列的分解与降噪;同时,利用自适应权重改进鲸鱼优化算法(WOA)以增强其全局搜索及局部开采能力;最后,利用WOA在迭代过程中不断优化Elman神经网络的初始权重和阈值。结果表明:比起单独使用Elman神经网络,所提模型的平均绝对误差(MAE)从358. 8120降低至113. 0553;与未采用CEEMDAN算法的原始数据集相比,该模型的平均绝对百分比误差(MAPE)从4. 942 3%降低到1. 445 31%,说明所提模型有效提高了预测精度,为股市网络舆情的预测提供了一种有效的实验方法。

【文章页数】：9 页

【部分图文】：

图1CEEMDAN算法流程

CEEMDAN算法是由EEMD算法发展而来，EEMD算法是在EMD中多次添加白噪声信号，将分解得到的IMF分量求平均值作为最终的实际分量，不仅改善了EMD算法存在的模态混叠现象，同时有效避免了EEMD算法添加噪声后由于不能被完全消除而引起的重构误差[19]。本文利用CEEMDAN....

图2座头鲸的捕食过程

WOA是模拟座头鲸社会行为的一种启发式算法。鲸鱼被认为是世界上最大的哺乳动物，曾在鲸鱼大脑的某些区域发现纺锤形细胞，这不仅可以区分鲸鱼和其他生物，而且也可以使它们像人类一样不断学习、思考、判断和交流，大多数座头鲸喜欢捕食磷虾和靠近水面的小型鱼群[20]。根据研究发现，座头鲸采取一....

图3螺旋更新位置法

式（6）中Pi表示选择收缩包围圈的概率。3）搜索猎物。

图4IWOA-Elman算法流程

第四步Elman神经网络解析最优个体，利用解析后的权值及阈值训练Elman神经网络并预测股市收盘价。3实验结果及其讨论

本文编号：3984550