【技术实现步骤摘要】
基于区块链和人工智能的金融预测系统
本专利技术创造涉及金融领域，具体涉及一种基于区块链和人工智能的金融预测系统。
技术介绍
时间序列是各行各业的数据按照不同的时间间隔依次、连续产生的，它们通常包含着丰富且复杂的信息。由于人们需要从时间序列中获取有价值的信息，因此时间序列分析技术应运而生。时间序列分析领域的关键一环是预测，时间序列预测是根据数据的历史规律以及变化趋势，对未来数据的发展状况做出合理的推测。金融时间序列是金融领域中最重要的数据，对这类数据进行分析、预测在金融投资决策与风险管理中具有重要的意义。
技术实现思路
针对上述问题，本专利技术旨在提供一种基于区块链和人工智能的金融预测系统。本专利技术创造的目的通过以下技术方案实现：一种基于区块链和人工智能的金融预测系统，包括数据获取模块、数据预处理模块、区块链存储模块和金融预测模块，所述数据获取模块用于获取金融时间序列，并将获取的金融时间序列输入至数据预处理模块进行处理，所述数据预处理模块用于去除所述金融时间序列中的噪声数据，并将预处理后的...
【技术保护点】
1.一种基于区块链和人工智能的金融预测系统，其特征是，包括数据获取模块、数据预处理模块、区块链存储模块和金融预测模块，所述数据获取模块用于获取金融时间序列，并将获取的金融时间序列输入至数据预处理模块进行处理，所述数据预处理模块用于去除所述金融时间序列中的噪声数据，并将预处理后的金融时间序列传输至区块链存储模块进行存储，所述金融预测模块用于从区块链存储模块中调取所述金融时间序列，并根据所述金融时间序列对金融数据的走势进行预测，所述金融预测模块采用BP神经网络对金融时间序列的走势进行预测。/n
【技术特征摘要】
1.一种基于区块链和人工智能的金融预测系统，其特征是，包括数据获取模块、数据预处理模块、区块链存储模块和金融预测模块，所述数据获取模块用于获取金融时间序列，并将获取的金融时间序列输入至数据预处理模块进行处理，所述数据预处理模块用于去除所述金融时间序列中的噪声数据，并将预处理后的金融时间序列传输至区块链存储模块进行存储，所述金融预测模块用于从区块链存储模块中调取所述金融时间序列，并根据所述金融时间序列对金融数据的走势进行预测，所述金融预测模块采用BP神经网络对金融时间序列的走势进行预测。
2.权利要求1所述的基于区块链和人工智能的金融预测系统，其特征在于：采用粒子群算法对金融预测模块采用的BP神经网络的初始权值和阈值进行优化；定义所述粒子群算法采用下列方式进行更新：
vi(t+1)＝ωi(t)vi(t)+c1r1(p′i(t)-xi(t))+c2r2(g(t)-xi(t))
xi(t+1)＝xi(t)+vi(t+1)
式中，ωi(t)表示粒子i在第t次迭代时的惯性权重因子，vi(t+1)和xi(t+1)分别表示粒子i在第(t+1)次迭代时的步长和位置，vi(t)和xi(t)分别表示粒子i在第t次迭代时的步长和位置，c1和c2表示学习因子，r1和r2表示0到1之间的随机数，g(t)表示粒子群在第t次迭代时的全局最优解，p′i(t)表示粒子i在第t次迭代时的局部学习解，且p′i(t)的值采用下列方式确定：
设P(t)表示粒子群中粒子在第t次迭代时的个体最优解的集合，且P(t)＝{pi(t)，i＝1，2，...，N}，其中，pi(t)表示粒子i在第t次迭代时的个体最优解，N表示粒子群中的粒子数；设M(t)表示设置的粒子群算法在第t次迭代时的局部分类数，且定义个体最优解pi(t)对应的局部检测系数为εi(t)，且εi(t)的表达式为：
式中，xl(t)表示粒子l在第t次迭代时的位置，ρ1(pi(t)，xl(t))表示第一取值函数，d(pi(t)，xl(t))表示个体最优解pi(t)和位置xl(t)之间的欧式距离，当d(pi(t)，xl(t))≤D时，则ρ1(pi(t)，xl(t))＝1，当d(pi(t)，xl(t))＞D时，则ρ1(pi(t)，xl(t))＝0，其中，D为给定的距离阈值，且其中，pj(t)表示粒子j在第t次迭代时的个体最优解，d(pi(t)，pj(t))表示个体最优解pi(t)和个体最优解pj(t)之间的欧式距离，pi(e)表示粒子i在第e次迭代时的个体最优解，ρ2(pi(t)，pi(e))表示第二取值函数，当pi(t)＝pi(e)时，则ρ2(pi(t)，pi(e))＝1，当pi(t)≠pi(e)时，则ρ2(pi(t)...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。