基于改进RBF神经网络的动态测量误差预测方法

被引:1
作者
周代刚
李世平
杨尚达
张子良
机构
[1] 第二炮兵工程学院
关键词
动态测量误差; 预测; RBF神经网络; 次胜者受惩算法; 递归正交最小二乘算法;
D O I
暂无
中图分类号
TP183 [人工神经网络与计算];
学科分类号
摘要
该文针对传统的RBF神经网络预测方法的局限性,引入次胜者受惩(RPCL)算法和递归正交最小二乘算法(ROLS),进行了动态测量误差实时预测算法的研究。理论分析和预测实例表明,该方法预测精度明显高于传统的方法,具有很强的学习与泛化能力,在处理动态测量误差序列的预报问题和提高动态测量精度方面具有很高的应用价值。
引用
收藏
页码:63 / 65
页数:3
相关论文
共 6 条
  • [1] 基于支持向量机的动态测量误差非线性组合预测方法
    张弦
    李世平
    孙浚清
    唐超
    [J]. 工业仪表与自动化装置, 2007, (05) : 50 - 53
  • [2] 基于RBF神经网络发动机进气总压畸变指数预报
    李艳艳
    [J]. 泰山学院学报, 2006, (06) : 42 - 46
  • [3] 基于改进RBF神经网络的非线性时间序列预测
    韩敏
    王晨
    席剑辉
    [J]. 仪器仪表学报, 2003, (S1) : 574 - 575+581
  • [4] 动态测量误差的贝叶斯建模预报及不确定度研究.[D].程真英.合肥工业大学.2004, 03
  • [5] 现代数据分析.[M].吴今培;孙德山编著;.机械工业出版社.2006,
  • [6] 动态测量误差修正原理与技术.[M].费业泰;卢荣胜著;.中国计量出版社.2001,