基于kalman滤波的门控循环单元神经网络的股票价格预测方法

摘要

本发明公开了一种基于kalman滤波的门控循环单元神经网络的股票价格预测方法，属于深度学习和股票预测领域，S1：获取股票历史数据，将数据分为训练集和测试集，并进行预处理；S2：初始化门控循环单元神经网络预测所需的参数，构建门控循环单元神经网络模型，并对其进行训练保存；S3：使用训练好的预测模型对测试集数据进行预测，并将得到的预测结果序列使用kalman滤波算法进行去噪优化；S4：使用均方根误差和决定系数对S3中去噪优化过的结果评估预测模型的性能。通过门控循环单元神经网络对股价进行预测，同时使用kalman滤波算法对预测结果序列与真实值对比优化，从而达到更加准确的预测效果。