[發明專利]基于BP神經網絡的交易量預測模型的優化方法及裝置

在審

• 申請號: 202110392765.4
• 申請日: 2021-04-13
• 公開（公告）號: CN113095569A
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 黃藝媛;周武;楊柳清;殷俊
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q40/04;G06N3/04;G06N3/08;G06N3/00
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 任默聞;王濤

1.一種基于BP神經網絡的交易量預測模型的優化方法，其特征在于，包括：

基于蝙蝠算法對蝙蝠種群中的每只蝙蝠進行迭代；其中，當任意一只蝙蝠的下一代響度大于第一隨機數時，接受該只蝙蝠的下一代候選解作為其下一代解；

根據每只蝙蝠的下一代解確定蝙蝠種群的下一代最優解；

當達到所述蝙蝠種群的最優解條件或最大迭代次數時，確定全局最優解；所述全局最優解為所述蝙蝠種群的末代最優解；

根據全局最優解獲得基于BP神經網絡的交易量預測模型的最佳連接權重參數；

根據所述最佳連接權重參數優化所述交易量預測模型。

2.根據權利要求1所述的一種基于BP神經網絡的交易量預測模型的優化方法，其特征在于，基于蝙蝠算法對蝙蝠種群中的每只蝙蝠進行迭代還包括：

判斷蝙蝠i的當代脈沖是否大于第二隨機數；

若是，則生成蝙蝠i的下一代候選解，且蝙蝠i的下一代候選解與蝙蝠j的當代解具有關聯性；其中，蝙蝠j位于所述蝙蝠種群中，且i≠j；

若否，則根據當代蝙蝠種群的最優解生成蝙蝠i的下一代候選解。

3.根據權利要求2所述的一種基于BP神經網絡的交易量預測模型的優化方法，其特征在于，所述方法還包括：

隨著迭代次數的增加，所述蝙蝠i的下一代候選解與蝙蝠j的當代解的關聯性逐漸降低。

4.根據權利要求1所述的一種基于BP神經網絡的交易量預測模型的優化方法，其特征在于，確定蝙蝠種群的下一代最優解前，所述方法還包括：

從所述蝙蝠種群中選擇一只蝙蝠；

依次調整該只蝙蝠的每一個組元以獲得該只蝙蝠的下一代候選新解；

根據所述下一代候選新解確定蝙蝠種群的下一代最優解。

5.根據權利要求4所述的一種基于BP神經網絡的交易量預測模型的優化方法，其特征在于，從所述蝙蝠種群中選擇一只蝙蝠還包括：

根據蝙蝠的數量、每只蝙蝠的目標函數值以及飛行速度的控制力從所述蝙蝠種群中選擇一只蝙蝠。

6.根據權利要求4所述的一種基于BP神經網絡的交易量預測模型的優化方法，其特征在于，依次調整該只蝙蝠的每一個組元以獲得該只蝙蝠的下一代候選新解包括：

針對該只蝙蝠生成一個隨機解，所述隨機解中包含多個組元；

逐一改變所述組元的大小；其中，當一個組元變化時，其他組元保持不變；

根據每個所述組元變化后的局部適應度值與變化前的局部適應度值確定該組元的局部適應度差；

獲取所述局部適應度差最低的所述組元，并將該組元的變化引入所述隨機解中以獲得隨機新解；

當所述隨機新解的適應度值大于所述隨機解的適應度值時，則令所述隨機新解作為該只蝙蝠的下一代候選新解。

7.根據權利要求1所述的一種基于BP神經網絡的交易量預測模型的優化方法，其特征在于，所述方法還包括：

根據平均絕對誤差指標、均方根誤差指標和/或平均絕對百分比誤差指標評價優化后的所述交易量預測模型。

8.一種基于BP神經網絡的交易量預測模型的優化裝置，其特征在于，包括：

迭代模塊，用于基于蝙蝠算法對蝙蝠種群中的每只蝙蝠進行迭代；其中，當任意一只蝙蝠的下一代響度大于第一隨機數時，接受該只蝙蝠的下一代候選解作為其下一代解；

第一確定模塊，用于根據每只蝙蝠的下一代解確定蝙蝠種群的下一代最優解；

第二確定模塊，用于當達到所述蝙蝠種群的最優解條件或最大迭代次數時，確定全局最優解；所述全局最優解為所述蝙蝠種群的末代最優解；

參數獲取模塊，用于根據全局最優解獲得基于BP神經網絡的交易量預測模型的最佳連接權重參數；

模型優化模塊，用于根據所述最佳連接權重參數優化所述交易量預測模型。