[发明专利]基于萤火虫算法的组合神经网络对股票市场的预测方法

权利要求书

1.一种基于萤火虫算法的组合神经网络对股票市场的预测方法，其特征在于，包括以下步骤：

(1)随机选取某支股票收盘价作为研究对象，并且进行预处理；

(2)根据实际的输入输出构建组合神经网络主网络BP神经网络，并初始化权值和阈值；

(3)运用萤火虫算法计算BP神经网络的适应度函数最优值，得到最优的权值和阈值；

(4)把数据样本中的数据放入到建立的BP神经网络中进行训练；

(5)将BP神经网络前六天的预测误差作为输入变量，第七天的预测误差作为输出变量，建立RBF神经网络对残差进行二次逼近；

(6)将未进行训练的数据放入网络进行预测。

2.根据权利要求1所述的基于萤火虫算法的组合神经网络对股票市场的预测方法，其特征在于，所述步骤(1)中的预处理为归一化处理，其让输入的数据控制在0到1之间，采用其中，X代表实际输入，min代表实际输入最小值，max代表实际输入最大值，x(t)代表预处理之后的网络输入。

3.根据权利要求1所述的基于萤火虫算法的组合神经网络对股票市场的预测方法，其特征在于，所述步骤(2)中构建的BP神经网络的结构分为输入层、隐层以及输出层；输入层的节点由实际的输入个数决定；隐层的节点数根据来确定并调整，其中，m表示输入层的节点个数，α是一个随机的1～10的整数，n表示隐层的节点个数；输出层的个数根据实际需求来决定；其中，隐层节点的输出为：其中，x_i表示隐层的输入，w_ij表示隐层的权值，θ_j表示隐层的阈值，O_j表示隐层的输出；输出层节点的输出为：其中，O_j表示输出层的输入，T_jk表示输出层的权值，θ_k表示输出层的阈值，y_k表示输出层的输出。

4.根据权利要求1所述的基于萤火虫算法的组合神经网络对股票市场的预测方法，其特征在于，所述步骤(3)是将BP神经网络的适应度函数作为目标函数，感知荧光素大的萤火虫并以概率P向其移动，完成移动后更新萤火素值和位置，计算目标函数的值并且更新决策域，直到满足条件寻优停止，最后将得到最优的权值和阈值带入初始化的BP神经网络模型。

5.根据权利要求1所述的基于萤火虫算法的组合神经网络对股票市场的预测方法，其特征在于，所述步骤(5)中的RBF神经网络的结构分为输入层、隐含层和输出层，其中，输入层由源结点组成，隐含层的层数根据需要而定，其变换函数是RBF径向基函数，输出层对输入模式的作用作出响应；其中，隐含层的输出为||·||为欧式距离，为RBF径向基函数，r_i是函数中心，b_i为函数的宽度，X表示隐含层的输入；从输入空间到隐层空间的变换是非线性的，而从隐层空间到输出层变换是线性的；采用的误差逼近网络映射函数公式为其中，X为输入，h为隐含层神经数目，C_i为径向基函数的中心，σ为函数的宽度，W_ij为隐含层到输出层的权值。