原创力文档摘要
股票市场是一个复杂的、非线性的、有噪声的动态系统，股票市场内部不规
则变化，极易受外部因素的影响，传统的机器学习模型在股指预测方面也不尽人
意，导致对股票市场进行准确预测成为了一项具有挑战性的课题。在此基础上，
本文提出了一种基于深度学习的混合神经网络进行股价指数预测的新方法。本文
的主要研究工作如下：
本文提出了一种基于CEEMDAN分解方法和GTCN-GRU-CBAM模型的混合
股指预测模型。首先，采用CEEMDAN方法对股价指数时间序列进行分解，得到
其本征模态函数；根据模糊熵取
摘要
股票市场是一个复杂的、非线性的、有噪声的动态系统，股票市场内部不规
则变化，极易受外部因素的影响，传统的机器学习模型在股指预测方面也不尽人
意，导致对股票市场进行准确预测成为了一项具有挑战性的课题。在此基础上，
本文提出了一种基于深度学习的混合神经网络进行股价指数预测的新方法。本文
的主要研究工作如下：
本文提出了一种基于CEEMDAN分解方法和GTCN-GRU-CBAM模型的混合
股指预测模型。首先，采用CEEMDAN方法对股价指数时间序列进行分解，得到
其本征模态函数；根据模糊熵取
文档评论（0）