【《价格预测的神经网络模型分析综述》3000字】_第1页
【《价格预测的神经网络模型分析综述》3000字】_第2页
【《价格预测的神经网络模型分析综述》3000字】_第3页
【《价格预测的神经网络模型分析综述》3000字】_第4页
【《价格预测的神经网络模型分析综述》3000字】_第5页
已阅读5页,还剩3页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

第图2-8oh图2-SEQ图2-\*ARABIC8输出门示意图1.4LSTM模型建模步骤LSTM模型的标准建模步骤如下:数据标准化处理标准化处理的目的为消除量纲。如果输入为多特征变量,当特征变量之间分布不均匀,如方差或均值差异较大时,最终模型预测会更多的参考量纲较大的特征变量,从而忽视掉量纲较小的特征变量对模型的真实影响,影响模型准确度。本文主要采用最大最小值标准化方法对数据进行标准化处理,此方法可以将原始数据缩放到[0,1]之间,具体转换公式如下:X模型结构与参数调节模型结构模型结构的关键在于隐藏层的设置,隐藏层越多,对数据的学习能力越强,但是同时也很容易造成过拟合,此外过多的隐藏层也大大增加了计算成本。本文所使用LSTM模型结构是一层输入层、一层LSTM层、一层输出层。同时选择sigmoid函数与tanh函数分别作为门控单元激活函数与记忆单元激活函数;损失函数选择常用的均方误差损失函数;优化器选择Adam优化器,因为其具有很强的自适应性,具有高效低内存的特点。参数调节模型效果的关键在于超参数的调节,设定好评价指标,根据不同超参数的组合表现,选择最优参数组合作为模型参数。本文以RMSE3.1、MAE3.2、MAPE3.3作为模型评价标准,误差越小模型效果越好。调整超参数的方法是固定参数法,先固定其他参数,对单一参数进行调节,获得最优参数取值后重复上述步骤,然后对其他参数进行调节,直至所有参数调节完毕,最终的最优参数组合即为模型最优参数。主要需要调节的超参数共有4个,分别是time_step、epochs、batch_size、units。其含义如下:time_step:原始数据的切片长度,因现实意义需向前滚动预测,故本文所用步长为正数N,即用过去N天的数据预测未来一天。epochs:全量数据的迭代次数。batch_size:单次迭代中要对全量数据进行梯度下降求最优解,其过程是按照批次来进行计算的,每一批计算的样本数量我们称为batch_size。不宜过大也不宜过小,一般将其设置为2nunits:隐藏层神经元个数。模型预测与结果分析查看模型在验证集数据上的预测效果,利用训练好的模型对原油期货价格日度数据进行预测,并根据评价指标计算预测值与真实值之间的误差。其中如果对原始数据进

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论