管理工程学报
管理工程學報
관리공정학보
JOURNAL OF INDUSTRIAL ENGINEERING AND ENGINEERING MANAGEMENT
2014年
1期
94-101
,共8页
回声状态网络%细菌群体趋药性算法%股票价格预测%算法优化
迴聲狀態網絡%細菌群體趨藥性算法%股票價格預測%算法優化
회성상태망락%세균군체추약성산법%고표개격예측%산법우화
echo state network%bacterial colony chemotaxis%stock index prediction%algorithm optimization
股票市场是一个充斥着各种噪声的动态非线性系统,能够精确地对其进行预测是一项具有挑战性的任务.本文构建的BCC-ESN模型,是运用细菌群体趋药性算法(BCC)来优化回声状态网络(ESN)的权值结构,在继承ESN优良性质的同时,具有更高的模型预测能力.实验证明,BCC-ESN模型比前馈神经网络具有更好的学习和预测能力.经对上证指数进行短期价格预测,结果与BP网络、Elman网络和ESN网络进行比较,BCC-ESN模型精度明显优于其他三种网络预测.同时,在运算效率上,BCC-ESN模型继承了ESN的运算优势,明显优于其他神经网络预测模型,是一种切实可行、高效的预测算法,尤其在股票时间序列预测中有广泛的实用价值.针对BCC-ESN模型在训练预测中遇到的问题,比如耗费时间过长和过度拟合问题,本文亦提供了简单易行的思路和方法.
股票市場是一箇充斥著各種譟聲的動態非線性繫統,能夠精確地對其進行預測是一項具有挑戰性的任務.本文構建的BCC-ESN模型,是運用細菌群體趨藥性算法(BCC)來優化迴聲狀態網絡(ESN)的權值結構,在繼承ESN優良性質的同時,具有更高的模型預測能力.實驗證明,BCC-ESN模型比前饋神經網絡具有更好的學習和預測能力.經對上證指數進行短期價格預測,結果與BP網絡、Elman網絡和ESN網絡進行比較,BCC-ESN模型精度明顯優于其他三種網絡預測.同時,在運算效率上,BCC-ESN模型繼承瞭ESN的運算優勢,明顯優于其他神經網絡預測模型,是一種切實可行、高效的預測算法,尤其在股票時間序列預測中有廣汎的實用價值.針對BCC-ESN模型在訓練預測中遇到的問題,比如耗費時間過長和過度擬閤問題,本文亦提供瞭簡單易行的思路和方法.
고표시장시일개충척착각충조성적동태비선성계통,능구정학지대기진행예측시일항구유도전성적임무.본문구건적BCC-ESN모형,시운용세균군체추약성산법(BCC)래우화회성상태망락(ESN)적권치결구,재계승ESN우량성질적동시,구유경고적모형예측능력.실험증명,BCC-ESN모형비전궤신경망락구유경호적학습화예측능력.경대상증지수진행단기개격예측,결과여BP망락、Elman망락화ESN망락진행비교,BCC-ESN모형정도명현우우기타삼충망락예측.동시,재운산효솔상,BCC-ESN모형계승료ESN적운산우세,명현우우기타신경망락예측모형,시일충절실가행、고효적예측산법,우기재고표시간서렬예측중유엄범적실용개치.침대BCC-ESN모형재훈련예측중우도적문제,비여모비시간과장화과도의합문제,본문역제공료간단역행적사로화방법.
