基于RBF-HMM模型的时间序列在线预测

• 作者: 刘雪妮 宁宣熙 张冬青
• 来源期刊: 系统工程学报
• 学科: 数学
• 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
• 年，卷（期）: 2010,（1）
• 所属期刊栏目: 建模与预报
• 页码范围: 17-23
• 页数: 7页
• 分类号: O211.6|G303
• 字数: 5232字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-5781.2010.01.004

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)神经网络预测模型-RBF-HMM模型,该模型具有如下两个特点:(1)用隐节点数可变的RBF神经网络对时间序列进行非线性建模;(2)用HMM对非高斯噪声进行建模.并采用序列蒙特卡罗(SMC)方法实现RBF-HMM模型参数的动态调整和时间序列的在线预测.最后采用南京禄口国际机场日旅客吞吐量数据进行实证研究,结果表明该模型的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宁宣熙	南京航空航天大学经济管理学院	204	2932	27.0	42.0
2	刘雪妮	南京航空航天大学经济管理学院	13	298	10.0	13.0
3	张冬青	南京农业大学工学院	15	65	5.0	7.0