超市管理系统 毕业论文.docVIP

高质量文档整理

PAGEXXV

下载后可编辑，适用

k

u

MACROBUTTONMTEditEquationSection2SEQMTEqn\r\hSEQMTSec\r1\hSEQMTChap\r1\h

毕业设计〔论文〕

题目超市管理系统

姓名

学号

专业班级

指导教师

分院信息科学与工程学院

完成日期2021年5月28日

高质量文档整理

下载后可编辑，适用

摘要

本文建立了一种基于粒子群〔PSO〕算法优化BP神经网络的改良股票预测模型。该模型采用时间序列作为输入数据，以此来构造BP神经网络拓扑结构，利用粒子群算法优化BP神经网络的权值和阈值。同时，考虑到由于股票市场受到多种因素的影响，故股票价格形成的时间序列是非平稳的且具有强噪声的，本文用小波降噪来处理样本数据，使得数据更加真实地反映股票趋势。

结果说明，经过小波降噪处理后的时间序列数据更加平稳；粒子群算法优化后的BP神经网络预测模型能够有效弥补BP神经网络的缺乏，改善BP神经网络易陷入局部最优的问题，在一定程度上到达了提高算法性能的目的。

关键词：小波降噪；BP神经网络；股票预测；PSO优化

高质量文档整理

下载后可编辑，适用

Abstract

Basedontheanalysisandstudyoftheartificialneuralnetwork(ANN),thispaperproposestheimprovedstockforecastingmodelofBPneuralnetworkoptimizedonthefoundationofParticleSwarmOptimization.ThismodelusestimeseriesastheinputdatatoestablishBP’s(BackPropagation)neuralnetworktopology,andusesParticleSwarmOptimizationtooptimizetheitsweightandthreshold.Inthemeantime,takingthevariousfactorsthataffectstockmarketintoconsideration,itcanbefoundthatthetimeseriesofstockpriceisunstableandstrong-noisy.Waveletde-noisingisusedtodealwithsampledatasothatthedatacanmoreauthenticallyreflectthestocktendency.

Theresultsshowthatthetimeseriesdataafterwaveletde-noisingaremorestable;BPneuralnetworkforecastingmodelafterParticleSwarmOptimizationcanmakeuptheweaknessofBPneutralnetworkandmendtheproblemthatBPneuralnetworkcaneasilygetstuckintolocaloptimum.Asaresult,thiscanobviouslyimprovearithmeticperformancetocertainextend.

Keywords:Waveletnoisereduction;BPneuralnetwork;Stockforecast;PSOoptimization

高质量文档整理

下载后可编辑，适用

目录

TOC\o1-3\h\z\u摘要 I

Abstract II

目录 III

第1章 概述 5

1.1 引言