有色金属是重要的商品,准确预测其价格变化对决策者和投资者具有重要意义。然而,由于有色金属价格呈现剧烈波动,开发一种稳健的价格预测方法是一项棘手的任务。本研究构建了基于离散小波变换(DWT)、双向长短期记忆(BiLSTM)和残差网络(ResNet)的有色金属价格预测混合模型。利用灰色狼优化算法搜索混合神经网络的超参数。配置合理的参数,提高最终预测效果。此外,在第二个隐藏层后面,低维和高维特征被融合以防止模型退化。利用DWT技术对原始序列进行处理,然后对序列进行重构,有利于捕捉本质趋势。实验结果表明,与其他基准模型相比,本文提出的BiLSTM-ResNet-GWO-DWT模型更加准确,这为该模型提供了有效的参考意义。
我们使用cookie为您提供最佳体验。它们还允许我们分析用户行为,以便为您不断改进网站。关于隐私政策IOS出版社。