基于PSO-CNN-BiLSTM的单变量时间序列股票预测

故障诊断与轴承RUL

于 2024-07-30 16:05:03 发布

阅读量189

点赞数 2

文章标签： cnn 人工智能神经网络 matlab

本文链接：https://blog.csdn.net/2401_86544683/article/details/140799225

版权

matlab R2023b以上

1.数据集介绍

2.粒子群算法

粒子群优化算法（Particle Swarm Optimization，PSO）是一种基于群体智能的优化算法，由Kennedy和Eberhart于1995年提出。PSO源于对鸟群捕食行为的模拟，是一种进化计算技术。该算法通过群体中各个个体（称为粒子）的相互协作和信息共享来寻找最优解。

粒子群算法的基本概念

粒子：每个粒子代表了一个潜在的解。在多维空间中，每个粒子的位置和速度都对应着解的候选值和变化率。
群体：粒子群是一组粒子的集合。群体中的每个粒子通过相互通信来调整自己的位置和速度，以逐步逼近最优解。

算法流程

初始化：随机生成粒子群，设定每个粒子的初始位置和速度。
适应度评估：计算每个粒子的适应度值（fitness），即根据目标函数评估当前解的好坏。
更新个体最优和全局最优：

每个粒子记录自己经历过的最佳位置（个体最优，pBest）。
在整个群体中记录当前的最佳位置（全局最优，gBest）。

更新速度和位置：根据以下公式更新每个粒子的速度和位置：
迭代：重复步骤2至4，直到满足终止条件（如达到最大迭代次数或解的变化小于预定阈值）。

3.CNN-BiLSTM网络

4.效果展示

5.代码获取

感兴趣的朋友可以关注最后一行

%  参数设置
options0 = trainingOptions('adam', ...                 % 优化算法Adam
    'MaxEpochs', 300, ...                            % 最大训练次数
    'GradientThreshold', 1, ...                       % 梯度阈值
    'InitialLearnRate', 0.01, ...         % 初始学习率
    'LearnRateSchedule', 'piecewise', ...             % 学习率调整
    'LearnRateDropPeriod',100, ...                   % 训练100次后开始调整学习率
    'LearnRateDropFactor',0.01, ...                    % 学习率调整因子
    'L2Regularization', 0.002, ...         % 正则化参数
    'ExecutionEnvironment', 'cpu',...                 % 训练环境
    'Verbose', 1, ...                                 % 关闭优化过程
    'Plots', 'none');                    % 画出曲线

% 网络训练
net0 = trainNetwork(Train_xNorm,Train_yNorm,lgraph0,options0 );

%% https://mbd.pub/o/bread/ZpmUlZ9t