科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文针对数据采集过程中包含噪声信号的问题,提出了一种新的小波阈值函数去噪方法对股票历史数据进行去噪处理,以消除噪声对预测精度的影响,然后将去噪后的数据应用于BP神经网络模型(BPNN)、典型惯性权重值的粒子群算法-BP神经网络模型(PSO-BPNN)和改进惯性权重的粒子群算法-BP神经网络模型(IPSO-BPNN)。经实验对比分析可知,去噪后的股票数据比原始数据预测效果更好,且IPSO-BPNN比PSO-BPNN和BPNN预测精度更高,由此证明了小波去噪过程的必要性和改进粒子群算法优化神经网络的有效性。
- 出版日期2021
- 单位中国科学院; 燕山大学
