《应用数学学报》
文章摘要:针对LSTM网络中存在的重要参数通常由经验决定、主观性强、或受计算成本影响无法确定最优值,导致模型的拟合能力降低等问题,提出使用改进的粒子群算法优化LSTM网络中的关键参数,减少人为因素影响,优化预测过程,从而构建预测精度更高的股票价格预测模型。该模型通过构建动态多群粒子群优化器来提高PSO算法的寻优性能,避免出现局部最优。同时,针对股票市场数据维度高、噪声大及数据冗余导致模型训练成本增大、预测性能降低的问题,基于多种特征选择算法构建特征选择模型完成指标特征的过滤筛选,构建完善的预测指标体系。实验结果证明,所提出的股票价格预测模型的准确率得到了明显的提高,且具有普遍适用性。
文章关键词:
论文DOI:10.14135/j.cnki.1006-3080.20210616001
论文分类号:TP18;F832.51
上一篇:公路与水路运输论文_地震作用对盾构隧道管片张
下一篇:没有了