-
题名基于GM(0,N)和RBF的小样本时程数据预测
被引量:2
- 1
-
-
作者
张诚
江琼
-
机构
深圳电视台技术管理中心制作部
武汉理工大学计算机科学与技术学院计算机技术系
-
出处
《计算机工程与应用》
CSCD
北大核心
2005年第5期62-64,206,共4页
-
基金
国家"十五"科技攻关项目资助(项目号:2001BA307B01-02-01)
-
文摘
RBF网络具有良好的非线性函数逼近能力,且收敛速度快,而灰色GM(,)静态模型对小样本线性数据的预0N测精度高,将两者有机结合起来,提出了一种新的小样本数据预测方法,即灰色RBF(GRBF)静态预测法。同时,为了提高RBF网络的预测精度和运算效率,文中采用ROLS和后向选择法来训练网络。将GRBF静态预测方法应用到小样本时程数据的预测中,实验结果表明,此预测方法快捷简便,精度高,具有良好的实用性。
-
关键词
灰色RBF算法RBF神经网络GM(0
N)静态模型
ROIS和后向选择算法
小样本时程数据
-
Keywords
Grey RBF(GRBF),RBF neural network,GM(0,N)static model,ROLS and backward selection algorithm,small sample time-sisplacement data
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-