基于GM(0,N)和RBF的小样本时程数据预测

摘要：

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(0,N)静态模型对小样本线性数据的预测精度高,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 ROLS和后向选择算法 小样本时程数据

所属期刊栏目：41

分类号：TP18(自动化基础理论)

资助基金：国家科技攻关项目2001BA307801-02-01

在线出版日期：2005-04-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：62-64,206