基于改进粒子群算法优化长短期记忆网络的股票预测研究

王海超

西安工程大学陕西西安 710000

摘要：为提升股票指数预测精度，提出IPSO-LSTM 预测模型。通过改进粒子群算法的惯性权重与学习因子提升寻优性能，经测试函数验证其有效性后，应用于上证指数和深证成指数据集上进行预测。实验表明，IPSO-LSTM模型的MAE、MAPE、RMSE均低于 SPSO-LSTM，R2高低于SPSO-LSTM，证明了IPSO-LSTM预测性能的优越性。

关键词：粒子群算法；算法改进；长短期记忆神经网络；深度学习；股指预测

全文下载

上一期

中国经济与社会科学研究 2025-11 封面

单层制改革视域下：审计委员会监督功能的实现困境及进路

下一期

International Medical Research and Translation (IMRT)

International Education and Social Science Exploration (IESSE)

Technological Innovation and Science Management (TISM)

艺术探索与社会实践研究

中国经济与社会科学研究