<?xml version="1.1" encoding="utf-8"?>
<article xsi:noNamespaceSchemaLocation="http://jats.nlm.nih.gov/publishing/1.1/xsd/JATS-journalpublishing1-mathml3.xsd" dtd-version="1.1" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><front><journal-meta><journal-id journal-id-type="publisher-id">ASDS</journal-id><journal-title-group><journal-title>Applied Statistics and Data Science</journal-title></journal-title-group><issn>3066-8433</issn><eissn>3066-8441</eissn><publisher><publisher-name>Art and Technology</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="doi">10.61369/ASDS.12182</article-id><article-categories><subj-group subj-group-type="heading"><subject>Article</subject></subj-group></article-categories><title>基于GA-GWO混合优化算法的ANN-KNN融合模型的股票价格区间预测</title><url>https://artdesignp.com/journal/ASDS/1/3/10.61369/ASDS.12182</url><author>孙怡瞳,宫雨竹,徐祥博,李甘露,莫慧杰,杨凯</author><pub-date pub-type="publication-year"><year>2025</year></pub-date><volume>1</volume><issue>3</issue><history><date date-type="pub"><published-time>2025-05-20</published-time></date></history><abstract>本文提出一种基于混合优化算法的多模型融合预测框架,即为一种基于人工神经网络（ANN）和K 近邻（KNN）融合的预测方法。该方法在训练期间,先运用遗传算法（GA）进行若干代的优化，初步定位潜在的最优区域，再运用灰狼优化算法（GWO）仔细搜索最优结果，进而得到最优的模型参数。同时构建两个双序列模型,通过仿真实验对比融合模型与单一模型的预测效果。结果显示，与单模型的预测效果相比，融合模型在捕捉股票价格趋势和波动性方面表现更为卓越。</abstract><keywords>区间值时间序列,神经网络,KNN,融合模型,混合优化算法</keywords></article-meta></front><body/><back><ref-list><ref id="B1" content-type="article"><label>1</label><element-citation publication-type="journal"><p>[1] 王浩. 中国证券市场股票价格预测模型综述[J].四川教育学院学报,2009,25(07):58-60.[2] 吴玉霞, 温欣. 基于ARIMA模型的短期股票价格预测[J].统计与决策,2016,(23):83-86.[3] 杨星, 李斌, 曾悦, 等. 非对称非线性平滑转换的广义自回归条件异方差算法的碳价格均值回归检验[J].控制理论与应用,2019,36(04):622-628.[4] 李昭毅, 孙虎元, 蔡振宇, 等. 基于Sine-SSA-BP人工神经网络的腐蚀速率预测研究[J].海洋科学,2024,48(08):17-28.[5] 赵山, 仝新朵, 王晓波, 等. 多指标定量、化学模式识别结合加权TOPSIS与灰色关联度融合模型的木芙蓉叶质量评价[J].中国中医药信息杂志,2025,32(03):129-135.[6] 田瑞杰, 张维石, 翟华伟. 基于时间序列与BP-ANN的短时交通流速度预测模型研究[J].计算机应用研究,2019,36(11):3262-3265[7]温泉, 余玉欢, 庄尚德, 等. 融合SHAP和TSO-XGBoost模型的水路货运量预测[J].水利水运工程学报,2024,(06):86-96.[8] 陶志富, 刘金培, 朱家明, 等. 区间值时间序列预测效果测度研究[J].模糊系统与数学,2018,32(04):135-144.[9] 韩自奋, 陈宁, 范义, 等. 基于多种机器学习算法的风电功率预测融合模型[J].干旱气象,2024,42(05):710-718.[10] 吴胜义, 王义贵, 王飞, 等. 基于多距离度量kNN 模型的森林蓄积量反演[J].中南林业科技大学学报,2023,43(02):10-18.[11] 刘哲, 李风军. 遗传算法与蚂蚁算法的融合在神经网络中的研究[J].科技广场,2012,(10):6-9.[12] 杨红光, 刘建生. 一种结合灰狼优化和K-均值的混合聚类算法[J].江西理工大学学报,2015,36(05):85-89.[13] 万昆, 柳瑞禹. 区间时间序列向量自回归模型在短期电力负荷预测中的应用[J].电网技术,2012,36(11):77-81.[14] 章凡. 论股票投资风险控制及应对策略[J].商展经济,2023,(13):84-87.</p><pub-id pub-id-type="doi"/></element-citation></ref></ref-list></back></article>
