毕业设计（论文）
题
目
超市管理系统
姓学
名号
专业班级指导教师分院
信息科学与工程学院2013年5月28日
完成日期
f摘
要
本文建立了一种基于粒子群（PSO）算法优化BP神经网络的改进股票预测模型。该模型采用时间序列作为输入数据，以此来构造BP神经网络拓扑结构，利用粒子群算法优化BP神经网络的权值和阈值。同时，考虑到由于股票市场受到多种因素的影响，故股票价格形成的时间序列是非平稳的且具有强噪声的，本文用小波降噪来处理样本数据，使得数据更加真实地反映股票趋势。结果表明，经过小波降噪处理后的时间序列数据更加平稳；粒子群算法优化后的BP神经网络预测模型能够有效弥补BP神经网络的不足，改善BP神经网络易陷入局部最优的问题，在一定程度上达到了提高算法性能的目的。
关键词：小波降噪；BP神经网络；股票预测；PSO优化
I
fAbstract
Basedo
thea
alysisa
dstudyoftheartificial
eural
etworkANNthispaperproposestheimprovedstockforecasti
gmodelofBP
eural
etworkoptimizedo
thefou
datio
ofParticleSwarmOptimizatio
Thismodelusestimeseriesasthei
putdatatoestablishBP’sBackPropagatio
eural
etworktopologya
dusesParticleSwarmOptimizatio
tooptimizetheitsweighta
dthresholdI
themea
timetaki
gthevariousfactorsthataffectstockmarketi
toco
sideratio
itca
befou
dthatthetimeseriesofstockpriceisu
stablea
dstro
g
oisyWaveletde
oisi
gisusedtodealwithsampledatasothatthedataca
moreauthe
ticallyreflectthestockte
de
cyTheresultsshowthatthetimeseriesdataafterwaveletde
oisi
garemorestableBP
eural
etworkforecasti
gmodelafterParticleSwarmOptimizatio
ca
makeuptheweak
essofBP
eutral
etworka
dme
dtheproblemthatBP
eural
etworkca
easilygetstucki
tolocaloptimumAsaresultthisca
obviouslyimprovearithmeticperforma
cetocertai
exte
d
KeywordsWavelet
oisereductio
BP
eural
etworkStockforecastPSOoptimizatio

II
f目
摘
录
要I
ABSTRACTII目录III
第1章概述5111213141516引言5超市管理的研究现状6r