基于粒子群神经网络的期货价格预测
目前在对中国期货市场进行价格预测时,采用神经网络预测时多用的是BP神经网络,但是BP神经网络存在对初始权阁值敏感、易陷入局部极值和收敛速度慢的问题.因此,为了提高模型效率,提出采用PSO-BP模型预测期货价格.首先运用粒子群算法代替BP神经网络的初始寻优,再用BP算法对优化的网络权闽值进一步精确优化,随后建立了基于粒子群算法的BP神经网络预测模型,并将其应用到中国期货市场的期货价格预测研究中.仿真结果表明,新模型结合了粒子群算法的全局寻优能力和BP神经网络算法的局部搜索优势,有效的防止了网络陷入局部极小值的可能,提高了神经网络模型预测的速度和准确性.
期货、价格预测、灰色关联分析、粒子群算法、BP神经网络
30
TP183(自动化基础理论)
国家科技支撑计划基金项目2006BAC18803
2009-06-12(万方平台首次上网日期,不代表论文的发表时间)
共4页
2428-2430,2434