دانشگاه فرماندهی و ستاد آجا دوفصلنامه بازی جنگ 2676-5284 7 14 2024 08 22 Forecasting the Price of Cryptocurrencies Using Meta-Learning Algorithms پیش بینی قیمت رمزارزها با استفاده از الگوریتم های فرایادگیری 209992 10.22034/ijwg.2024.472660.1090 FA سعید نیک پرور دانشگاه صنعتی ارومیه، ارومیه، ایران فرید احمدی گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی ارومیه، ارومیه، ایران 0000-0002-4291-1748 هاشم کلب خانی دانشگاه صنعتی ارومیه 0000-0003-2431-4920 Journal Article 2024 08 10 Background: With the development and change of the surrounding world, earning and trading have also transformed, so Bitcoin and other similar cryptocurrencies can be an alternative to the common currencies of the world in the future. Therefore, its price prediction will be essential in investing in these cryptocurrencies. Researchers have proposed various methods to improve the accuracy of Bitcoin price prediction. Examining the results of these approaches shows that no significant result has been achieved in predicting the price of Bitcoin. Objective: In this research, relying on machine learning and data mining, new models have been proposed to predict the price of Bitcoin. Methodology: The core of the proposed models is the XGBoost algorithm, which is in the category of meta-learning algorithms. To increase the efficiency of the XGBoost parameter setting model in the form of an optimization problem, the definition and values of the target parameters were searched using the Harris hawks algorithm. The second proposed model is also based on the LSTM algorithm, which combines the XGBoost algorithm with the LSTM algorithm. Findings and Originality: The first proposed model reaches the highest prediction accuracy with an R2 index of 99.32 for 30 falcons. The second proposed model with 70 LSTM blocks reaches the highest level of accuracy with an R2 index of 74.86. The first proposed model is more accurate in price prediction than the second proposed model and other models, so with the RMSE index, the error rate in the first proposed model reaches 0.0086. زمینه: با پیشرفت و تغییر دنیای پیرامون، کسب درآمد و داد و ستد نیز دچار دگرگونی شده است، ‌به‌نحوی که بیت‌کوین و دیگر رمزارزهای مشابه درآینده میتوانند جایگزینی برای ارزهای رایج دنیا باشد. از این رو پیش‌بینی قیمت آن نقش بسیار مهمی در سرمایه‌گذاری بر روی این رمزارزها خواهد داشت. پژوهشگران روش‌های مختلفی برای بهبود دقت پیش‌بینی قیمت بیت‌کوین پیشنهاد کرده‌اند. بررسی نتایج این رویکردها نشان می‌دهد تاکنون نتیجه چشم‌گیری در پیش‌بینی قیمت بیت‌کوین حاصل نشده است. هدف: در این پژوهش با تکیه بر یادگیری ماشین و داده‌کاوی، مدل‌های جدیدی برای پیش‌بینی قیمت بیت‌کوین پیشنهاد شده‌است. روش پژوهش: هسته اصلی مدل‌های پیشنهادی الگوریتم XGBoost می‌باشد که در دسته الگوریتم‌های فرایادگیری است. برای افزایش کارایی مدل تنظیم پارامترهای XGBoost درقالب یک مسئله بهینه‌سازی تعریف و مقادیر پارامترهای هدف با استفاده از الگوریتم شاهین هریس جستجو گردید. مدل پیشنهادی دوم نیز مبتنی بر الگوریتم LSTM می‌باشد که الگوریتم XGBoost با الگوریتم LSTM ترکیب می‌شود. یافته‌ها و نتیجه‌گیری: مدل پیشنهادی اول به‌ازای 30 شاهین به بالاترین دقت پیش‌بینی با شاخص R2 به 99.32 می‌رسد. مدل پیشنهادی دوم با 70 بلوک LSTM به بالاترین میزان دقت با شاخص R2 به ۷۴.۸۶ می‌رسد. مدل پیشنهادی اول میزان دقت بیشتری در پیش‌بینی قیمت نسبت به مدل پیشنهادی دوم و سایر مدل‌ها را دارد، به‌نحوی که با شاخص RMSE نرخ خطا در مدل پیشنهادی اول به ۰.۰۰۸۶ می‌رسد.