基于粒子群算法的GRNN神经网络在股票预测中的应用  

作　　者：张治华[1] 徐元红[1] 

机构地区：[1]山西省太原市第三实验中学

出　　处：《数学学习与研究》2017年第14期13-13,共1页

摘　　要：广义回归神经网络（GRNN）对于大量数据的非线性模型预测具有很好的效果,且预测过程中只需要调整平滑因子一个参数.粒子群算法（PSO）操作简单,容易实现.利用PSO算法优化GRNN神经网络,可以自动调节平滑因子及连接权值.这两种模型的预测误差都较小,GRNN模型对三只股票的平均MSE误差达到了0.048 6,而PSOGRNN模型的平均误差减小到了0.010 4.图表分析表明PSO-GRNN模型比GRNN模型更精确,稳定性更好,泛化能力更强.

关 键 词：粒子群算法 神经网络模型 股票预测 

分 类 号：F832.51[经济管理—金融学] TP18[自动化与计算机技术—控制理论与控制工程]