一种优化LSTM神经网络模型的预测方法.pdf

第35卷第5期四川轻化工大学学报（自然科学版）Vol.35No.5

2022年10月JournalofSichuanUniversityofScienceEngineering(NaturalScienceEdition)Oct.2022

文章编号：2096⁃7543（2022）05⁃0078⁃09DOI:10.11863/j.suse.2022.05.10

一种优化LSTM神经网络模型的预测方法

1,221,22

陈波杰，蔡乐才，刘星，成奎

（1.四川轻化工大学自动化与信息工程学院，四川宜宾644000；

2.宜宾学院三江人工智能与机器人研究院，四川宜宾644000）

摘要：针对股票收盘价预测精度不高的问题，提出了一种优化长短期记忆（LSTM）神经网

络模型（P-Adam-LSTM）。在LSTM神经网络结构的基础上，将通过自适应矩估计算法自适应地

调节学习率，提高准确度；利用Pearson相关系数选出最佳特征集并用于训练，改善误差率。将

P-Adam-LSTM与LSTM、Adam-LSTM、P-LSTM模型进行纵向对比试验；将P-Adam-LSTM与

RNN、CNN、BP模型进行横向对比试验；将Adam-LSTM与Adagrad-LSTM、RMSProp-LSTM、

SGD-LSTM模型进行优化算法模型对比试验。训练数据为上证A股的中国国贸（600007.SH）十

年间的股票特征，实验验证了P-Adam-LSTM对收盘价预测具有有效性。

关键词：LSTM神经网络；模型优化；Adam算法；Person相关系数；股票预测

中图分类号:TP183；TP29文献标志码：A

法模型对股票走势进行预测，并都取得相应的成

引言

效。Ingle等[4]在新闻数据中提取的词频-逆文档频

我国成为世界第二经济体后，国内经济成为世率(TF-IDF)特征与其他股票市场特征一起用于预

界关注的焦点，而股票走势被看作经济增长的晴雨测，提高了预测精度；Yadav等[5]通过调整长短期记

表，二者存在着等价代换的关系[1]，且股票有着调节忆（Long-ShortTermMemory，LSTM）模型的隐藏层

[2][6]

资金流动的作用，这对经济发展无疑是有利的。数量，提高了训练精度。WEI等提出了一种基于

从宏观经济的角度来看，政府把股票的走势作为经图卷积特征的卷积神经网络（GC-CNN）模型股票趋

济增长的预测指标；从个人投资者角度来看，投资势预测方法，它可同时捕获股票市场特征和个股特

者可以将经济增长趋势作为投资决策的依据，并根征。宋刚等[7]利用自适应学习策略的粒子群算法

据经济形势的变化适时调整投资决策[3]。因此准确（PSO）对LSTM模型的关键参数进行寻优，使股票数

预测收盘价的走势非常具有社会现实意义。据特征与网络拓扑结构相匹配，提高了股票价格预

目前，国内外已有许多研究人员利用不同的算测精度。冯旭日等[8]将灰色GM(1,1)模型与

收稿日期：2022-03-20

基金项目：四川省科技厅重点研发项目(2019YFN0104);宜宾学院校级培育项目(2019PY39)

作者简介：陈波杰(1997-),男,硕士生,研究方向为大数据预测,(E-mail)932459941@

通信作者：蔡乐才(1966-),男,教授,博士,研究方向为智能检测与控制、智能物联与