基于GM(0,N)和RBF的小样本时程数据预测

• 作者: 张诚 江琼
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 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
• 年，卷（期）: 2005,（5）
• 所属期刊栏目: 学术探讨
• 页码范围: 62-64,206
• 页数: 4页
• 分类号: TP18
• 字数: 4017字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2005.05.022

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江琼	武汉理工大学计算机科学与技术学院计算机技术系	7	59	5.0	7.0
2	张诚	深圳电视台技术管理中心制作部	1	5	1.0	1.0