✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

⛄ 内容介绍

一种基于LSTM模型的股票预测方法和系统,属于股票预测技术领域.本发明技术方法通过搭建深度学习环境,爬取大型企业近期的股票数据,对股票数据进行前期分析,再提取关键特征,选取训练数据,输入训练数据,基于深度学习理论构建股票预测模型,所述股票预测模型包括一层输入层,一层隐含层和一层输出层,最后输出预测结果,结合真实值以误差百分比作为评测指标进行测评.

⛄ 部分代码

while t<Max_iter

    t

    for i=1:size(Positions,1)

        % Return back the search agents that go beyond the boundaries of the search space

        Flag4ub=Positions(i,:)>ub;

        Flag4lb=Positions(i,:)<lb;

        Positions(i,:)=(Positions(i,:).*(~(Flag4ub+Flag4lb)))+ub.*Flag4ub+lb.*Flag4lb;

        % Calculate objective function for each search agen

       gam=Positions(i,1);

    sig2=Positions(i,2);

    model=initlssvm(train_x,train_yy,type,gam,sig2,kernel,proprecess);

    model=trainlssvm(model);

    %求出训练集和测试集的预测值

    [train_predict_y,zt,model]=simlssvm(model,train_x);

    [test_predict_y,zt,model]=simlssvm(model,test_x);

    %预测数据反归一化

    train_predict=postmnmx(train_predict_y ,miny,maxy);%预测输出

    test_predict=postmnmx(test_predict_y ,miny,maxy); %测试集预测值

    %计算均方差

    trainmse=sum((train_predict-train_y).^2)/length(train_y);

    testmse=sum((test_predict-test_y).^2)/length(test_y);

    fitness=trainmse; %以测试集的预测值计算的均方差为适应度值

        % Update the leader

        if fitness<Leader_score % Change this to > for maximization problem

            Leader_score=fitness; % Update alpha

            Leader_pos=Positions(i,:);%最佳参数

            YPred_best=test_predict;

        end

    end

    a=-t*((2)/Max_iter); % a decreases linearly fron 2 to 0 in Eq. (2.3)

    % a2 linearly dicreases from -1 to -2 to calculate t in Eq. (3.12)

    a2=t*((-1)/Max_iter);

    % Update the Position of search agents

    for i=1:size(Positions,1)

        r1=rand(); % r1 is a random number in [0,1]

        r2=rand(); % r2 is a random number in [0,1]

        A=2*a*r1-a;  % Eq. (2.3) in the paper

        C=2*r2;      % Eq. (2.4) in the paper

        b=1;               %  parameters in Eq. (2.5)

        l=(a2-1)*rand+1;   %  parameters in Eq. (2.5)

        p = rand();        % p in Eq. (2.6)

        for j=1:size(Positions,2)

            if p<0.5

                if abs(A)>=1

                    rand_leader_index = floor(SearchAgents_no*rand()+1);

                    X_rand = Positions(rand_leader_index, :);

                    D_X_rand=abs(C*X_rand(j)-Positions(i,j)); % Eq. (2.7)

                    Positions(i,j)=X_rand(j)-A*D_X_rand;      % Eq. (2.8)

                elseif abs(A)<1

                    D_Leader=abs(C*Leader_pos(j)-Positions(i,j)); % Eq. (2.1)

                    Positions(i,j)=Leader_pos(j)-A*D_Leader;      % Eq. (2.2)

                end

            elseif p>=0.5

                distance2Leader=abs(Leader_pos(j)-Positions(i,j));

                % Eq. (2.5)

                Positions(i,j)=distance2Leader*exp(b.*l).*cos(l.*2*pi)+Leader_pos(j);

            end

        end

    end

    t=t+1;

    Convergence_curve(t)=Leader_score;

    %     [t Leader_score]

end

⛄ 运行结果

时序预测 | MATLAB实现IWOA-LSTM和LSTM时间序列预测(改进的鲸鱼算法优化长短期记忆神经网络)_数据

时序预测 | MATLAB实现IWOA-LSTM和LSTM时间序列预测(改进的鲸鱼算法优化长短期记忆神经网络)_深度学习_02

⛄ 参考文献

[1]郝可青, 吕志刚, 邸若海,等. 基于鲸鱼算法优化长短时记忆神经网络的锂电池剩余寿命预测[J]. 科学技术与工程, 2022, 22(29):9.

[2]彭 燕,刘宇红,张荣芬. 基于LSTM的股票价格预测建模与分析[J]. 计算机工程与应用(209-212).

⛄ 完整代码

❤️部分理论引用网络文献，若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料