基于自适应遗传算法优化的BP神经网络股票价格预测
股票价格是一种具有较强随机性的数据,不仅受到买卖双方的影响,而且与国内外政策因素有关.为了提高精度,采用BP神经网络与遗传算法结合的方法进行研究.针对BP神经网络初始权值随机、遗传算法易陷入局部优化等问题,给出了一种基于自适应遗传算法优化的BP神经网络股票价格预测模型,该模型通过自适应遗传算法对BP神经网络初始权值进行优化,从而对股票价格进行预测分析.实验仿真结果表明该模型可以获得较高的预测精度和较快的收敛速度.
股票价格预测模型、自适应遗传算法、BP神经网络
35
TP183(自动化基础理论)
陕西省高水平大学建设专项资金资助项目2012SXTS06
2017-04-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
190-195