科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于上证指数非线性、非平稳等复杂系统运行特征,选取由遗传算法优化的BP神经网络(GA-BP)、粒子群优化算法的支持向量机(PSO-SVM)和长短期记忆神经网络(LSTM)模型作为信息分类提取基本模型,进而引入自适应噪声完备集成经验模态分解(CEEMDAN)进行串联组合建模以优化模型,提升预测信息提取的充分性。为提高预测精度及加强方法的稳健性,进一步设计均匀权重与学习权重两类并联组合预测方式,构建起混联预测模型。通过预测的效果比较得知:混联模型整体能有效识别信息、提升预测精度;其中的CEEMDAN模态分解下的学习型权重混联组合预测模型应用于上证指数预测,效果比较理想。
- 单位
