發(fā)布時間：2024-05-30 04:11

　　針對Elman神經(jīng)網(wǎng)絡在基于股市網(wǎng)絡輿情的收盤價預測中存在的收斂速度慢且預測精度低的問題,提出了結(jié)合基于自適應噪聲的完全集合經(jīng)驗模態(tài)分解(CEEMDAN)的改進鯨魚優(yōu)化算法(IWOA)結(jié)合Elman神經(jīng)網(wǎng)絡預測模型。首先,通過文本挖掘技術對上海證券交易所股票價格綜合指數(shù)(SSE)180股的網(wǎng)絡輿情進行挖掘和量化,并利用Boruta算法篩選重要屬性以降低屬性集的復雜度;然后,通過CEEMDAN算法在屬性集中添加一定數(shù)量特定方差的白噪聲,實現(xiàn)屬性序列的分解與降噪;同時,利用自適應權(quán)重改進鯨魚優(yōu)化算法(WOA)以增強其全局搜索及局部開采能力;最后,利用WOA在迭代過程中不斷優(yōu)化Elman神經(jīng)網(wǎng)絡的初始權(quán)重和閾值。結(jié)果表明:比起單獨使用Elman神經(jīng)網(wǎng)絡,所提模型的平均絕對誤差(MAE)從358. 8120降低至113. 0553;與未采用CEEMDAN算法的原始數(shù)據(jù)集相比,該模型的平均絕對百分比誤差(MAPE)從4. 942 3%降低到1. 445 31%,說明所提模型有效提高了預測精度,為股市網(wǎng)絡輿情的預測提供了一種有效的實驗方法。

【文章頁數(shù)】：9 頁

【部分圖文】：

圖1CEEMDAN算法流程

CEEMDAN算法是由EEMD算法發(fā)展而來，EEMD算法是在EMD中多次添加白噪聲信號，將分解得到的IMF分量求平均值作為最終的實際分量，不僅改善了EMD算法存在的模態(tài)混疊現(xiàn)象，同時有效避免了EEMD算法添加噪聲后由于不能被完全消除而引起的重構(gòu)誤差[19]。本文利用CEEMDAN....

圖2座頭鯨的捕食過程

WOA是模擬座頭鯨社會行為的一種啟發(fā)式算法。鯨魚被認為是世界上最大的哺乳動物，曾在鯨魚大腦的某些區(qū)域發(fā)現(xiàn)紡錘形細胞，這不僅可以區(qū)分鯨魚和其他生物，而且也可以使它們像人類一樣不斷學習、思考、判斷和交流，大多數(shù)座頭鯨喜歡捕食磷蝦和靠近水面的小型魚群[20]。根據(jù)研究發(fā)現(xiàn)，座頭鯨采取一....

圖3螺旋更新位置法

式（6）中Pi表示選擇收縮包圍圈的概率。3）搜索獵物。

圖4IWOA-Elman算法流程

第四步Elman神經(jīng)網(wǎng)絡解析最優(yōu)個體，利用解析后的權(quán)值及閾值訓練Elman神經(jīng)網(wǎng)絡并預測股市收盤價。3實驗結(jié)果及其討論

本文編號：3984550