基于数据噪音约束的受限最优建模方法

基于经验模型可能最优效果受数据质量限制的事实,提出了"受限最优模型"的概念,定量分析了噪音强度、样本规模对受限最优模型效果的影响。提出了利用受限最优模型期望效果进行优化建模思想,基于该思想,提出了一种基于噪音信息指导的神经网络优化建模方法,仿真试验表明,该建模方法切实可行,效果明显优于传统方法。为了客观地评价模型效果,还提出了一种新的模型评估指标——误差平均功率,分析了它和常用的模型评估指标——误差均方之间的关系,指出了其应用意义。