[發明專利]基于區塊鏈和人工智能的金融預測系統

有效

• 申請號: 202010800385.5
• 申請日: 2020-08-11
• 公開（公告）號: CN111930844B
• 公開（公告）日: 2021-09-24
• 發明（設計）人: 劉星;羅忠明;肖巖
• 申請（專利權）人: 肖巖
• 主分類號: G06F16/27
• 分類號: G06F16/27;G06N3/00;G06N3/04;G06N3/08;G06Q40/04;G06Q40/06
• 代理公司: 合肥四閱專利代理事務所(普通合伙) 34182
• 代理人: 方星星

1.一種基于區塊鏈和人工智能的金融預測系統，其特征是，包括數據獲取模塊、數據預處理模塊、區塊鏈存儲模塊和金融預測模塊，所述數據獲取模塊用于獲取金融時間序列，并將獲取的金融時間序列輸入至數據預處理模塊進行處理，所述數據預處理模塊用于去除所述金融時間序列中的噪聲數據，并將預處理后的金融時間序列傳輸至區塊鏈存儲模塊進行存儲，所述金融預測模塊用于從區塊鏈存儲模塊中調取所述金融時間序列，并根據所述金融時間序列對金融數據的走勢進行預測，所述金融預測模塊采用BP神經網絡對金融時間序列的走勢進行預測；采用粒子群算法對金融預測模塊采用的BP神經網絡的初始權值和閾值進行優化；定義所述粒子群算法采用下列方式進行更新：

v_i(t+1)＝ω_i(t)v_i(t)+c₁r₁(p′_i(t)-x_i(t))+c₂r₂(g(t)-x_i(t))

x_i(t+1)＝x_i(t)+v_i(t+1)

式中，ω_i(t)表示粒子i在第t次迭代時的慣性權重因子，v_i(t+1)和x_i(t+1)分別表示粒子i在第(t+1)次迭代時的步長和位置，v_i(t)和x_i(t)分別表示粒子i在第t次迭代時的步長和位置，c₁和c₂表示學習因子，r₁和r₂表示0到1之間的隨機數，g(t)表示粒子群在第t次迭代時的全局最優解，p′_i(t)表示粒子i在第t次迭代時的局部學習解，且p′_i(t)的值采用下列方式確定：

設P(t)表示粒子群中粒子在第t次迭代時的個體最優解的集合，且P(t)＝{p_i(t)，i＝1，2，...，N}，其中，p_i(t)表示粒子i在第t次迭代時的個體最優解，N表示粒子群中的粒子數；設M(t)表示設置的粒子群算法在第t次迭代時的局部分類數，且定義個體最優解p_i(t)對應的局部檢測系數為ε_i(t)，且ε_i(t)的表達式為：

式中，x_l(t)表示粒子l在第t次迭代時的位置，ρ₁(p_i(t)，x_l(t))表示第一取值函數，d(p_i(t)，x_l(t))表示個體最優解p_i(t)和位置x_l(t)之間的歐式距離，當d(p_i(t)，x_l(t))≤D時，則ρ₁(p_i(t)，x_l(t))＝1，當d(p_i(t)，x_l(t))＞D時，則ρ₁(p_i(t)，x_l(t))＝0，其中，D為給定的距離閾值，且其中，p_j(t)表示粒子j在第t次迭代時的個體最優解，d(p_i(t)，p_j(t))表示個體最優解p_i(t)和個體最優解p_j(t)之間的歐式距離，p_i(e)表示粒子i在第e次迭代時的個體最優解，ρ₂(p_i(t)，p_i(e))表示第二取值函數，當p_i(t)＝p_i(e)時，則ρ₂(p_i(t)，p_i(e))＝1，當p_i(t)≠p_i(e)時，則ρ₂(p_i(t)，p_i(e))＝0，h_i(t)表示粒子i在第t次迭代時的適應度函數值，h_max(t)和h_min(t)分別表示粒子群中粒子在第t次迭代時的最大適應度函數和最小適應度函數值；

將集合P(t)中的個體最優解按其局部檢測系數的值由小到大進行排序，選取前M(t)個個體最優解作為候選局部學習解，并將選取的M(t)個候選局部學習解組成集合P′(t)，粒子群中的粒子在集合P′(t)中選取距離其最近的候選局部學習解作為其對應的局部學習解，即其中，p_r(t)表示粒子r在第t次迭代時的個體最優解，d(x_i(t)，p_r(t))表示位置x_i(t)和個體最優解p_r(t)之間的歐式距離。