基于RBF神经网络的非线性时间序列在线预测
张冬青
宁宣熙
刘雪妮
1.南京航空航天大学,经济与管理学院,江苏,南京,2100162.南京航空航天大学,经济与管理学院,江苏,南京,2100163.南京航空航天大学,经济与管理学院,江苏,南京,210016
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.
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
分类号：O211.6(概率论与数理统计)
资助基金：国家自然科学基金(70571037)国家软科学研究计划(2006GXQ3B203)
论文发表日期：2009-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 151-155 )
英文信息