贵金属价格预测神经网络训练方法及装置制造方法及图纸

本发明专利技术提供了一种贵金属价格预测神经网络训练方法及装置，涉及人工智能技术领域，该方法包括：获取目标时间段内的贵金属价格；根据目标时间段内的贵金属价格生成第一神经网络模型；利用第一神经网络模型生成贵金属价格预测结果；获取贵金属价格信息，并根据贵金属价格信息和贵金属价格预测结果更新第一神经网络模型，得到贵金属价格预测神经网络训练结果。本发明专利技术基于实时预测误差进行模型修正，可以提升贵金属价格预测神经网络模型的预测准确度。确度。确度。

【技术实现步骤摘要】
贵金属价格预测神经网络训练方法及装置


[0001]本专利技术涉及人工智能
，尤其是涉及一种贵金属价格预测神经网络训练方法及装置。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]神经网络作为一种函数拟合器，可以对各种非线性关系进行拟合，广泛应用在医疗、金融、安防等各个领域。利用不同手段训练得到的神经网络的模型精度不同。现有贵金属价格预测神经网络训练方案，通常训练后得到固定的神经网络，不能实时适应数据的变化，导致预测误差逐渐增大。

技术实现思路

[0004]本专利技术提供了一种贵金属价格预测神经网络训练方法及装置，可以得到更优的贵金属价格预测神经网络训练结果，进而实时适应数据的变化，提高贵金属价格预测准确度。
[0005]第一方面，本专利技术实施例提供了一种贵金属价格预测神经网络训练方法，该方法包括：
[0006]获取目标时间段内的贵金属价格；
[0007]根据所述目标时间段内的贵金属价格生成第一神经网络模型；
[0008]利用所述第一神经网络模型生成贵金属价格预测结果；
[0009]获取贵金属价格信息，并根据所述贵金属价格信息和所述贵金属价格预测结果更新所述第一神经网络模型，得到贵金属价格预测神经网络训练结果。
[0010]第二方面，本专利技术实施例还提供一种贵金属价格预测神经网络训练装置，该装置包括：
[0011]数据爬取模块，用于获取目标时间段内的贵金属价格；
[0012]模型训练模块，用于根据所述目标时间段内的贵金属价格生成第一神经网络模型；
[0013]预测模块，用于利用所述第一神经网络模型生成贵金属价格预测结果；
[0014]模型更新模块，用于获取贵金属价格信息，并根据所述贵金属价格信息和所述贵金属价格预测结果更新所述第一神经网络模型，得到贵金属价格预测神经网络训练结果。
[0015]第三方面，本专利技术实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述贵金属价格预测神经网络训练方法。
[0016]第四方面，本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述贵金属价格预测神经网络训练方法的计算机程序。
[0017]本专利技术实施例带来了以下有益效果：本专利技术实施例提供了一种贵金属价格预测神
经网络训练方法及装置，该方法包括：获取目标时间段内的贵金属价格；根据目标时间段内的贵金属价格生成第一神经网络模型；利用第一神经网络模型生成贵金属价格预测结果；获取贵金属价格信息，并根据贵金属价格信息和贵金属价格预测结果更新第一神经网络模型，得到贵金属价格预测神经网络训练结果。本专利技术实施例首先利用目标时间段内的贵金属价格生成第一神经网络模型，之后，利用该模型得到贵金属价格预测结果，再基于贵金属价格预测结果和实时得到的贵金属价格信息更新该模型，得到贵金属价格预测神经网络训练结果，基于实时预测误差进行模型修正，可以提升贵金属价格预测神经网络模型的预测准确度。
[0018]本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
[0019]为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0020]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0021]图1为本专利技术实施例提供的贵金属价格预测神经网络训练方法流程图；
[0022]图2为本专利技术实施例提供的贵金属价格预测神经网络训练方法实施架构示意图；
[0023]图3为本专利技术实施例提供的一种贵金属价格预测神经网络训练装置结构框图；
[0024]图4为本专利技术实施例提供的另一种贵金属价格预测神经网络训练装置结构框图；
[0025]图5为本专利技术实施例提供的计算机设备结构框图。
具体实施方式
[0026]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0027]目前，贵金属交易作为一种保值和投资的方式，热衷于其中的人们逐渐增多。然而，贵金属的价格受到多种因素的影响，导致贵金属价格持续在变化，用户收益较为随机。通过对贵金属价格进行预测，可以指导用户进行买入卖出，从而增加收益，降低损失。
[0028]现有算法主要依赖于贵金属的历史数据和多种经济数据(如美元指数、石油价格、欧元兑美元汇率、DOW指数等)对未来的贵金属价格进行预测。采用历史数据的方法主要包括马尔科夫模型、人工神经网络、时间序列分析等；结合多种经济数据的方法主要是偏最小二乘回归。
[0029]现有方法往往采用预先训练好的模型对贵金属价格进行预测，不能实时适应数据的变化，导致预测误差逐渐增大。
[0030]基于此，本专利技术实施例提供的一种贵金属价格预测神经网络训练方法及装置，采用线上训练的方式，对预测值和实际值进行实时分析，当预测误差超过一定阈值时，基于新的历史数据对模型进行修正，从而及时减小预测误差。
[0031]为便于对本实施例进行理解，首先对本专利技术实施例所公开的一种贵金属价格预测神经网络训练方法进行详细介绍。
[0032]首先，对涉及的术语进行说明。
[0033]贵金属：主要是指金、银和铂族金属(钌、铑、钯、锇、铱、铂)等8种金属元素。这些金属大多数拥有美丽的色泽，具有较强的化学稳定性，一般条件下不易与其他化学物质发生化学反应。
[0034]神经网络：人工神经网络也简称为神经网络，或称作连接模型，它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的数学模型。
[0035]激活函数：神经网络模型中用于进行非线性变换的函数。
[0036]本专利技术实施例提供了一种贵金属价格预测神经网络训练方法，参见图1所示的一种贵金属价格预测神经网络训练方法流程图，该方法包括以下步骤：
[0037]步骤S102，获取目标时间段内的贵金属价格。
[0038]在本专利技术实施例中，目标时间段可以根据实际需求选择，例如，可以包括历史上的多个时间段，其中，每个时间段的时长为1小时。在本专利技术实施例中，可以从互联网上爬取一段历史时间内贵金属价格的数据。...

【技术保护点】

【技术特征摘要】
1.一种贵金属价格预测神经网络训练方法，其特征在于，包括：获取目标时间段内的贵金属价格；根据所述目标时间段内的贵金属价格生成第一神经网络模型；利用所述第一神经网络模型生成贵金属价格预测结果；获取贵金属价格信息，并根据所述贵金属价格信息和所述贵金属价格预测结果更新所述第一神经网络模型，得到贵金属价格预测神经网络训练结果。2.根据权利要求1所述的方法，其特征在于，根据所述目标时间段内的贵金属价格生成第一神经网络模型之前，还包括：对所述目标时间段内的贵金属价格进行归一化处理。3.根据权利要求2所述的方法，其特征在于，根据所述目标时间段内的贵金属价格生成第一神经网络模型，包括：利用多维度的目标时间段内的贵金属价格训练多个目标神经网络模型；根据所述多个目标模型的预测误差，确定第一神经网络模型。4.根据权利要求1所述的方法，其特征在于，根据所述贵金属价格信息和所述贵金属价格预测结果更新所述第一神经网络模型，包括：根据所述贵金属价格信息和所述贵金属价格预测结果计算均方预测误差；若所述均方预测误差大于预设误差值，则根据所述目标时间段内的贵金属价格重新生成第一神经网络模型。5.一种贵金属价格预测神经网络训练装置，其特征在于，包括：数据爬取模块，用于获取目标时间段内的贵金属价格；模型训练模块，用于根据所述目标时间段...

【专利技术属性】
技术研发人员：张艳，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：