[发明专利]一种外汇时间序列预测的构建方法在审
| 申请号： | 201911035263.5 | 申请日： | 2019-10-29 |
| 公开（公告）号： | CN110796306A | 公开（公告）日： | 2020-02-14 |
| 发明（设计）人： | 张金泉;李玉洁;倪丽娜;张泽坤;栾文静 | 申请（专利权）人： | 山东科技大学 |
| 主分类号： | G06Q10/04 | 分类号： | G06Q10/04;G06Q40/04;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 37252 青岛智地领创专利代理有限公司 | 代理人： | 陈海滨 |
| 地址： | 266590 山东*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种外汇时间序列预测的构建方法，涉及外汇时间序列数据领域。该方法使用卷积神经网络和长短期记忆网络相结合的深度学习算法C‑LSTM分析预测外汇时间序列数据，提出了一种包括输入层、隐藏层、输出层、网络训练和网络预测的五个功能模块的网络结构的构建方法，构建方法选择卷积神经网络和长短期记忆网络相结合的C‑LSTM的激活函数；定义卷积神经网络和长短期记忆网络相结合的C‑LSTM的损失函数；选择交易类指标和基本面数据作为卷积神经网络和长短期记忆网络相结合的C‑LSTM的输入特征，结合卷积神经网络和长短期记忆网络算法的优势，提出了一种外汇时间序列预测的构建方法，基于构建的该方法更好地分析挖掘外汇时间序列数据的时空特征。 | ||
| 搜索关键词： | 卷积神经网络 记忆网络 构建 时间序列数据 时间序列预测 方法使用 方法选择 激活函数 时空特征 输入特征 损失函数 网络结构 网络训练 网络预测 学习算法 基本面 输出层 输入层 隐藏层 算法 分析 挖掘 预测 交易 | ||
【主权项】：
1.一种外汇时间序列预测的构建方法，其特征在于，包括以下步骤：/n1-1，构建基于卷积神经网络和长短期记忆网络相结合的C-LSTM的网络模型，具体包括：/n1-1-1，构建包括输入层、隐藏层、输出层、网络训练和网络预测的五个功能模块的网络结构；/n1-1-2，构建基于卷积神经网络和长短期记忆网络相结合的C-LSTM的外汇时间序列短期预测方法的训练和预测算法；/n1-2，选择卷积神经网络和长短期记忆网络相结合的C-LSTM的激活函数；/n1-3，定义卷积神经网络和长短期记忆网络相结合的C-LSTM的损失函数；/n1-4，选择交易类指标和基本面数据作为卷积神经网络和长短期记忆网络相结合的C-LSTM的输入特征。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于山东科技大学，未经山东科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201911035263.5/，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算；推算；计数
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
