RBF-BL时间序列模型及其在建模和预测中的应用

• 作者: 李博伟 杨会超 许飞云
• 来源期刊: 东南大学学报（自然科学版）
• 学科: 工学
• 关键词: 非线性模型 参数辨识 建模 预测
• 年，卷（期）: 2020,（2）
• 页码范围: 368-376
• 页数: 9页
• 分类号: TP391
• 字数: 6286字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0505.2020.02.022

摘要

基于传统的线性和非线性模型,提出了一种改进的非线性模型,即RBF神经网络的状态依赖双线性(RBF-BL)模型.以模型残差平方和最小为优化目标,介绍了模型参数辨识算法.以太阳黑子数据、Mackey-Glass序列数据和机床工作台爬行位移数据为数值算例,基于GNAR模型、BP模型、RBF模型和RBF-BL模型分别进行了数据建模和预测,以建模均方误差(MSEM)、预测均方误差(MSEP)、建模平均相对误差(MREM)和预测平均相对误差(MREP)作为误差衡量指标.结果表明,与传统的模型相比,RBF-BL模型表现出较好的建模和预测性能.对于太阳黑子数据,RBF-BL模型的误差衡量指标分别为0.009 6、0.026 6、0.002 7和0.003 9.对于Mackey-Glass序列数据,RBF-BL模型的误差衡量指标分别为7.982×10-6、6.400×10-4、0.002 5和0.025 0.对于机床工作台爬行位移数据,RBF-BL模型的误差衡量指标分别为7.590×10-4、0.010 1、0.038 8和0.023 8.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许飞云	东南大学机械工程学院	113	1137	16.0	28.0
2	杨会超	东南大学机械工程学院	3	0	0.0	0.0
3	李博伟	东南大学机械工程学院	1	0	0.0	0.0