- 1、本文档共38页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
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
文档评论(0)