基于RBF神经网络的非线性时间序列在线预测

被引：24

作者：

张冬青

宁宣熙

刘雪妮

机构：

[1] 南京航空航天大学经济与管理学院

来源：

控制理论与应用 | 2009年 / 26卷 / 02期

基金：

国家软科学研究计划;

关键词：

预测; 径向基函数神经网络; 隐马尔可夫模型; 序列蒙特卡罗方法;

D O I：

暂无

中图分类号：

O211.61 [平稳过程与二阶矩过程];

学科分类号：

摘要：

针对非线性非高斯时间序列,提出观测噪声服从隐马尔可夫模型(HMM)的径向基函数(RBF)神经网络(RBF-HMM)预测模型,其特点在于模型输入包含误差反馈项、RBF网络隐含层节点数的可变性和观测噪声的隐马尔可夫性;并采用序列蒙特卡罗(SMC)方法实现基于RBF-HMM模型的时间序列在线预测.最后采用太阳黑子数平滑月均值数据和CRU国际钢材价格指数月数据进行实证研究,结果表明该模型的有效性.

引用

页码：151 / 155

页数：5