一种基于遗传BP神经网络的预测模型

• 作者: 姜青山 林香 熊腾科
• 来源期刊: 计算机研究与发展
• 学科: 工学
• 关键词: 数据挖掘 长趋式预测 金融预测 遗传BP神经网络
• 年，卷（期）: 2006,（z3）
• 所属期刊栏目: 数据挖掘和知识发现
• 页码范围: 338-343
• 页数: 6页
• 分类号: TP391
• 字数: 3706字
• 语种: 中文

摘要

目前神经网络常用于数据挖掘及金融预测中,提出了一个改进的稳定且高效的遗传BP神经网络预测模型.在该模型中提出了一种能够真实反映BP网络结构的编码,并对二进制编码与实数进行映射而不改变染色体的表达方式,以便更好地进行杂交变异.同时还提出了一种更能准确地反映网络误差的误差函数,它是利用相对误差并综合其他相关因素来定义的,通过实验对比分析,该误差函数使预测更加准确.最后,从编码方式以及网络误差出发提出了相应的遗传算法的适应度函数.实验中对股票及其他数据进行了测试,并与其他的预测模型进行了对比分析.通过实验表明,提出的遗传BP神经网络模型适用于长趋式预测,同时预测结果准确率高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜青山	厦门大学软件学院	36	550	11.0	23.0
2	熊腾科	厦门大学软件学院	2	14	1.0	2.0
3	林香	厦门大学软件学院	1	0	0.0	0.0