声明
1绪论
1.1研究背景及意义
1.2研究现状
1.3研究内容及框架结构
2人工神经网络概述
2.1人工神经网络的历史发展
2.2人工神经网络分类
(1) 按输入变量方式可分为异质网络模型和同质网络模型
(2) 按照学习策略可分为有监督学习、无监督学习和自监督学习神经网络
(3) 按照拓扑结构可分为前向网络和反馈网络
2.3人工神经网络技术原理
2.3.1人工神经元
2.3.2激活函数
2.3.3人工神经网络的拓扑结构
2.3.4人工神经网络的优势
3理论方法介绍
3.1集合经验模态分解方法
3.2遗传算法
3.2.1遗传算法的基本概念
3.2.2遗传算法的特点
3.2.3遗传算法的计算过程
3.2.4进化参数的选取
3.3BP神经网络模型
3.3.1BP神经网络简介
3.3.2BP神经网络算法流程
3.4支持向量机
3.4.1支持向量机概述
3.4.2支持向量机回归模型的基本思想
3.5基于遗传算法的BP神经网络
3.6基于遗传算法的支持向量机
4分解集成复合模型构建
4.1集合经验模态分解
4.2预测模型结构确定
4.2.1GA-BP网络结构确定
4.2.2GA-SVM网络结构确定
4.3分解集成复合模型构建
4.4评估指标
4.5DM检验
5汇率预测
5.1建模平台介绍
5.2数据收集与处理
5.2.1数据收集
5.2.2数据分析
5.2.3数据归一化
5.3实证结果与分析
5.3.1 EEMD分解
5.3.2汇率预测结果
5.3.3模型误差分析
5.3.4DM检验
5.4本章小结
结论
6.1论文主要成果
6.2论文不足之处
6.3展望
致谢
参考文献