[发明专利]一种基于区块链和大数据的金融数据预测系统

权利要求书

1.一种基于区块链和大数据的金融数据预测系统，其特征是，包括第一数据采集模块、第二数据采集模块、金融数据预处理模块、区块链存储模块、金融数据预测模块和可视化模块，所述第一数据采集模块用于采集历史金融时序数据，并将采集的历史金融时序数据输入至金融数据预处理模块进行处理，处理后的历史金融时序数据传输至区块链存储模块进行存储，所述第二数据采集模块用于采集实时金融时序数据，并将采集的实时金融时序数据输入至金融数据预处理模块进行处理，处理后的实时金融时序数据输入至金融数据预测模块，所述金融数据预测模块根据输入的实时金融时序数据对当前金融数据的未来走势进行预测，所述可视化模块用于对金融数据预测模块的预测结果进行显示；

所述金融数据预处理模块用于对输入的金融时序数据进行归一化处理，并去除归一化处理后的金融时序数据中的噪声数据；

所述金融数据预测模块采用BP神经网络对金融时序数据的未来走势进行预测，所述金融数据预测模块调用区块链存储模块中存储的历史金融时序数据对所述BP神经网络进行金融数据未来走势预测的训练，将处理后的实时金融时序数据作为训练好的BP神经网络的输入值，所述训练好的BP神经网络的输出值即为预测所得的金融数据的未来走势；

在BP神经网络的训练过程中，采用粒子群算法对BP神经网络的初始权值和阈值进行优化；

设置粒子群中的粒子采用下式进行更新：

V_i(t+1)＝ω_i(t)V_i(t)+c₁rand()(P_i(t)-X_i(t))+c₂rand()(G(t)-X_i(t))

X_i(t+1)＝X_i(t)+V_i(t+1)

式中，X_i(t+1)和V_i(t+1)分别表示粒子i在第(t+1)次迭代时的位置和步长，X_i(t)和V_i(t)分别表示粒子i在第t次迭代时的位置和步长，c₁和c₂分别表示学习因子，rand()表示随机生成的(0，1)之间的随机数，P_i(t)表示粒子i在第t次迭代时的历史最优解，ω_i(t)表示粒子i在第t次迭代时的惯性权重因子，G(t)表示粒子群在第t次迭代时的全局参考解，G(t)采用下列方式确定：

设P(t)表示粒子群中粒子在第t次迭代时的历史最优解集合，且P(t)＝{P_i(t)，i＝1，2，...，N}，其中，N表示粒子群中的粒子数，对集合P(t)中的历史最优解进行筛选，当集合P(t)中存在相同的历史最优解时，仅保留这些相同历史最优解中的一个，将这些相同历史最优解中的其他历史最优解删除，将筛选后的集合P(t)表示为P′(t)，设P′(t)＝{P(j，t)，j＝1，2，...，N′(t)}，其中，P(j，t)表示集合P′(t)中的第j个历史最优解，N′(t)表示集合P′(t)中的历史最优解数，定义集合P′(t)中历史最优解对应的邻域检测距离为d(t)，则d(t)的表达式为：

式中，d₀表示给定的初始邻域检测距离，T_max表示给定的最大迭代次数；

对集合P′(t)中的历史最优解进行检测，设O(j，t)表示历史最优解P(j，t)对应的邻域检测范围，且O(j，t)为以历史最优解P(j，t)为中心，以d(t)为半径的圆形区域，定义历史最优解P(j，t)对应的全局参考值为则的表达式为：

式中，f₃(h(P(j，t)))表示历史最优解P(j，t)对应的第三取值函数，h(P(j，t))表示历史最优解P(j，t)对应的适应度函数值，表示集合P′(t)中历史最优解对应的适应度函数值均值，当时，则f₃(h(P(j，t)))＝1，当时，则f₃(h(P(j，t)))＝+∞，h(min，t)和h(max，t)分别表示粒子群中粒子在第t次迭代时对应的最小和最大适应度函数值，δ(O(j，t))表示邻域检测范围O(j，t)中存在的集合P′(t)中的历史最优解个数，α(t)和β(t)为权重系数，且

在集合P′(t)中选取具有最小全局参考值的历史最优解作为全局参考解G(t)。

2.根据权利要求1所述的一种基于区块链和大数据的金融数据预测系统，其特征是，粒子i在第t次迭代时的惯性权重因子ω_i(t)的表达式为：

式中，ω(start)表示初始惯性权重因子值，且ω(start)＝0.9，ω(end)表示粒子群进化到最大迭代次数T_max时的惯性权重因子值，且ω(end)＝0.4，h(X_i(t))表示粒子i在第t次迭代时的位置X_i(t)对应的适应度函数值，h(G(t))表示粒子群在第t次迭代时的全局参考解G(t)对应的适应度函数值。