10.3969/j.issn.1007-130X.2012.02.027
基于粒子群优化的灰色神经网络组合预测模型研究
灰色神经网络在人工智能预测领域已经得到广泛的应用,但由于其自身存在局部最小化和收敛速度慢等问题,使其预测精度受到一定的限制.针对其不足,本文提出一种利用粒子群算法优化BP神经网络的学习算法,在此基础上,利用灰色预测方法对股指期货历史数据进行初步预测,并且把初步预测的结果作为优化BP神经网络的输入进行训练和预测,构建了基于粒子群优化的灰色神经网络组合预测模型(PSO-GMNN).仿真实验结果表明,新预测模型的预测精度高于BP神经网络、灰色神经网络和灰色预测模型,同时也表明了该方法的有效性和可行性.
BP神经网络、粒子群算法、灰色预测、灰色神经网络、PSO-GMNN
34
TP18(自动化基础理论)
河南省科技攻关项目092102210108
2012-04-27(万方平台首次上网日期,不代表论文的发表时间)
共4页
146-149