典型文献
基于GSA-ELM算法的股票市场预测模型
文献摘要：
股票市场价格的走势是众多投资者关注的焦点,由于股票价格的波动性和随机性,如何有效地预测股票价格的涨跌,是学者们长期研究的领域.文章提出了一种基于引力搜索算法优化极限学习机网络的模型来回归预测股票的开盘价格,利用引力搜索算法求解极限学习机网络最优的输入权值向量和偏置值参数,增强了极限学习机网络的回归预测性能.通过基于引力搜索算法优化极限学习机网络模型和原始极限学习机网络模型的对比实验,对股票数据集进行训练和测试,结果表明基于引力搜索算法优化极限学习机网络模型的回归预测精确度更高,并且验证了引力搜索算法具有一定的优化能力,能减少预测输出值和理论输出值之间的误差.
文献关键词：
引力搜索算法;极限学习机网络;回归预测;股票市场价格
中图分类号：
作者姓名：
张小宁;官启航;黄敬宇
作者机构：
甘肃广播电视大学,甘肃兰州730000;兰州大学信息科学与工程学院,甘肃兰州730000
文献出处：
引用格式：
[1]张小宁;官启航;黄敬宇-.基于GSA-ELM算法的股票市场预测模型)[J].甘肃科技,2022(06):57-61
A类：
B类：
GSA,ELM,市场预测,股票市场价格,走势,投资者关注,股票价格,波动性,随机性,涨跌,引力搜索算法,算法优化,化极,极限学习机网络,来回,回归预测,开盘价,权值,偏置,值参,预测性能,股票数,预测精确度
AB值：
0.213516
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
