9746

پيش بيني قيمت سهام با سيدمن-LSTM-lightgbm به همراه بهينه سازي شبيه سازي تبريد

كارشناسي

علوم كامپيوتر

1404

استاد وحيدي

استاد وحيدي

1404/06/18

رياضي و علوم كامپيوتر

A CEEMDAN-LSTM-LightGBM Approach with Simulated Annealing Optimization

اين گزارش تحليل جامعي از مدل بهبوديافته پيش‌بيني سهام ارائه مي‌دهد كه به طور قابل توجهي بر روش‌شناسي پيشنهادي در “رويكرد جديدي براي پيش‌بيني سهام بر اساس يادگيري ماشين” بهبود مي‌يابد. پياده‌سازي من شامل مهندسي ويژگي پيشرفته، تجزيه CEEMDAN، معماري LSTM، و بهينه‌سازي فراپارامترها از طريق شبيه‌سازي تبريد است. مدل من عملكرد رگرسيون برتري با RMSE برابر 0.0237 و MAE برابر 0.0174 دست مي‌يابد كه نشان‌دهنده بهبودهاي قابل توجه نسبت به رويكردهاي سنتي است. در حالي كه دقت جهتي (59.80%) نسبت به روش‌هاي متمركز بر طبقه‌بندي كمتر است، مدل تعميم‌پذيري كلي خوبي را نشان مي‌دهد و مي‌تواند روي داده‌هاي بزرگ‌تر بيشتر توسعه يابد.