《表1 上海浦发银行各模型评价指标比较》
为进一步验证该模型的预测性能,表1给出各预测模型的评价指标计算结果。PSO-LSTM模型预测误差在RMSE、MAPE、MAE、MSE评价标准下都低于其他预测模型;在决定系数R2评价标准中,该模型计算结果比其他预测模型更接近1,表明PSO-LSTM模型的预测性能优于其他模型。特别地,PSO-LSTM模型MAPE指标比ARIMA模型低71%,比RNN模型低31%,模型预测精度显著提高;PSO-LSTM模型的各项指标优于LSTM模型,但两者差距并不明显,主要原因是这两种预测模型具有相同的单元结构;而PSO-LSTM模型最突出的优势在于构建过程中不需要人工调参,而且预测结果比普通LSTM模型更优。
图表编号 | XD00115231000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 宋刚、张云峰、包芳勋、秦超 |
绘制单位 | 山东财经大学计算机科学与技术学院、山东财经大学山东省数字媒体技术重点实验室、山东财经大学计算机科学与技术学院、山东财经大学山东省数字媒体技术重点实验室、山东大学数学学院、山东财经大学计算机科学与技术学院、山东财经大学山东省数字媒体技术重点实验室 |
更多格式 | 高清、无水印(增值服务) |