《表6 各模型预测误差表:基于自适应鲸鱼优化算法结合Elman神经网络的股市收盘价预测算法》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于自适应鲸鱼优化算法结合Elman神经网络的股市收盘价预测算法》
从表6可以看出,基于CEEMDAN数据集的IWOA-Elman模型,其RMSE、MAE和MAPE分别为145.656 7、113.055 3及1.445 31,与其他预测模型相比,具有最小的预测误差。与单个预测模型SVR、BPNN和Elman相比,基于CEEMDAN数据集的IWOA-Elman模型,其MAPE分别降低了2.277 6%、1.669 1%和1.871 1%。与优化算法GA、WOA相比,本文提出的IWOA-Elman模型的MAE分别降低了77.119 2和39.833 5。同时,基于数据集CEEMDAN的各模型的预测结果明显优于基于EMD数据集及Original数据集,与EMD数据集和Original数据集相比,基于CEEMDAN数据集的IWOA-Elman的RMSE分别降低了3.945 6和129.115。通过以上分析,基于CEEMDAN的IWOA-Elman模型在股票网络舆情预测中是非常有效的。
图表编号 | XD00163185400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.10 |
作者 | 朱昶胜、康亮河、冯文芳 |
绘制单位 | 兰州理工大学计算机与通信学院、兰州理工大学计算机与通信学院、兰州理工大学经济管理学院 |
更多格式 | 高清、无水印(增值服务) |