1.程序功能描述
基于遗传优化的双BP神经网络金融序列预测算法matlab仿真，采用的双BP神经网络结构如下：
2.测试软件版本以及运行结果展示
MATLAB2022A版本运行
三个算法的误差对比：
3.核心程序
```LEN = 10;
%样本的划分
for i = 1:length(C)-LEN
Price1(:,i) = C(i:i+LEN-1);
Price2(i) = C(i+LEN);
end
%训练样本
L1 = floor(0.6*length(Price2));
for i = 1:L1
train_data(:,i) = Price1(:,i);
train_aim(i) = Price2(i);
end
%测试样本
L2 = length(Price2) - L1;
for i = 1:L2
test_data(:,i) = Price1(:,i+L1);
test_aim(i) = Price2(i+L1);
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%如下的是改进BP网络算法
%定义神经网络的各个层的个数
Num_In = LEN;
Num_Hidden = 60;
Num_Out = 1;
%构建BP网络
net = newff(train_data,train_aim,Num_Hidden);
ERR1 = [];
ERR2 = [];
ERR3 = [];
for j = 1:5
j
%通过改进遗传算法优化BP参数
net = func_newGA(net,Num_In,Num_Hidden,Num_Out,train_data,train_aim);
%网络训练
net.trainParam.showWindow = 0;
net = train(net,train_data,train_aim);
outputs = sim(net,test_data);
d1 = test_aim(Maxs-Mins) + Mins;
d2 = outputs(Maxs-Mins) + Mins;
ERR1 = [ERR1,mean(abs(d1-d2)./d2) ];
ERR2 = [ERR2,mean((abs(d1-d2)./d2).^2) ];
ERR3 = [ERR3,std((abs(d1-d2)./d2).^2) ];
end
figure;
plot(d1,'b');
hold on
plot(d2,'r');
legend('真实股价','预测股价');
xlabel('时间（days）');
ylabel('收盘价格对比');
disp('平均误差：');
mean(ERR1)
disp('平方差：');
mean(ERR2)
disp('均方差：');
mean(ERR3)
save r2.mat d1 d2
```
4.本算法原理
整个BP算法的整体结构如下所示：
首先看下传统的遗传算法，遗传算法优化的过程如下所示：
1.选择问题解的一个编码，给出一个有N个染色体的初始群体pop(1)，t=1。
2.对群体中的每一个染色体 ，计算它的适应函数值f(xi)。
3.若停止规则满足，则算法停止，否则计算概率P，并以此概率分布，从pop(t)中随机选取N个染色体构成一个新的种群newpop(t)。
4.通过交叉（交叉概率为），得到N个染色体的crosspop(t+1)。
5.以较小的变异概率 ，使得某染色体的一个基因发生变异，形成新的群体mutpop(t+1)。 令t=t+1，pop(t)=mutpop(t)，重复第（2）步。
其详细步骤如下：
这里，通过设置两个BP神经网络的方法来实现预测功能，一个神经网络的初始学习率设置较大，一个神经网络的初始学习率设置较小，两个神经网络的误差分别为e1，e2，最后得到的结果按如下公式计算：
AI 代码解读
