科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对LSTM网络中存在的重要参数通常由经验决定，主观性强，或受计算成本影响无法确定最优值，导致模型的拟合能力降低等问题，提出使用改进的粒子群算法优化LSTM网络中的关键参数，减少人为因素影响，优化预测过程，从而构建预测精度更高的股票价格预测模型。该模型通过构建动态多群粒子群优化器来提高粒子群算法的寻优性能，避免出现局部最优。同时，针对股票市场数据维度高、噪声大及数据冗余导致模型训练成本增大、预测性能降低的问题，基于多种特征选择算法构建特征选择模型完成指标特征的过滤筛选，构建完善的预测指标体系。实验结果表明，所提出的股票价格预测模型的准确率得到了明显提高，且具有普遍适用性。
- 单位
