基于结构可变的RBF神经网络的时间序列预测
基于神经网络的时间序列预测方法,需要正确确定网络结构,它关系到所建模型的合理性以及预测的准确性.目前确定网络结构的绝大多数方法,其网络结构一经训练确定便保持不变.然而现实中许多时间序列呈现非平稳性,其结构经常发生变化,这就要求网络结构能够动态可调,因此本文提出结构可变的径向基函数(RBF)神经网络预测模型.并采用序列蒙特卡罗(SMC)方法实现基于结构可变RBF网络的时间序列在线预测;最后采用CRU钢铁价格指数月数据进行实证研究,结果表明该模型的有效性.
预测、时间序列、径向基函数神经网络、序列蒙特卡罗方法
18
O211.6(概率论与数理统计)
国家自然科学基金资助项目70571037;江苏省农机基金资助项目gxz09003
2010-11-22(万方平台首次上网日期,不代表论文的发表时间)
83-89