6、卷积神经网络在股市时间序列预测与作物叶片病害检测中的应用

卷积神经网络在股市时间序列预测与作物叶片病害检测中的应用

1. 卷积神经网络在股市时间序列预测中的应用

卷积神经网络（CNN）由一个或多个卷积层组成，其主要应用包括预处理、分类、分割和其他自相关数据处理。在时间序列分析中，CNN 这一流行的图像处理技术的性能得到了提升。

通过分析发现，具有理想平滑因子的 CNN 在时间序列预测方面优于其他选定的时间序列预测技术。在本研究的最优阿尔法值下，能获得最佳的评估结果。由于引入了黄金比例，使用卢卡斯数作为隐藏层显著提高了预测方法的性能。

研究开发了一种基于 CNN 的股票指数时间序列预测方法，并利用该模型提供预测规则。对 BSE SENEX、TAIEX 和 KOSPI 分别展示了相关图表，对比结果也分别列于相应表格中。结果表明，所提出的模型在预测方面表现更优。即使在 2020 年新冠疫情期间，股票指数波动剧烈，其他研究未尝试对该年份进行预测，但本方法的预测结果令人满意。

此外，使用 Relu 激活函数，经过 100 个周期和五层网络设置能得到最佳结果。该预测方法易于使用、直观，且便于描述模型的组成部分。同时，还可以将领域知识输入模型，例如通过特定的变化点或功率约束。不过，在某些情况下，需要对某些参数的默认值进行调整，但操作较为简单。

模型参数	最佳设置
激活函数	Relu
训练周期	100 个周期