引用本文:张冬青,宁宣熙,刘雪妮.基于RBF神经网络的非线性时间序列在线预测[J].控制理论与应用,2009,26(2):151~155.[点击复制]
ZHANG Dong-qing,NING Xuan-xi,LIU Xue-ni.On-line prediction of nonlinear time series using RBF neural networks[J].Control Theory and Technology,2009,26(2):151~155.[点击复制]
基于RBF神经网络的非线性时间序列在线预测
On-line prediction of nonlinear time series using RBF neural networks
摘要点击 2680  全文点击 2265  投稿时间：2007-08-15  修订日期：2008-07-11
查看全文  查看/发表评论  下载PDF阅读器
DOI编号  10.7641/j.issn.1000-8152.2009.2.007
  2009,26(2):151-155
中文关键词  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
英文关键词  prediction  radial basis function neural networks  hidden Markov model  sequential Monte Carlo method
基金项目  国家自然科学基金资助项目(70571037); 国家软科学研究计划资助项目(2006GXQ3B203).
作者单位E-mail
张冬青 南京航空航天大学 经济与管理学院, 江苏 南京 210016 hollycase@sina.com 
宁宣熙 南京航空航天大学 经济与管理学院, 江苏 南京 210016 nhning@nuaa.edu.cn 
刘雪妮 南京航空航天大学 经济与管理学院, 江苏 南京 210016 applelxn@hotmail.com 
中文摘要
      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.
英文摘要
      For the nonlinear and non-Gaussian time series, a novel predictive model—the RBF-HMMmodel is proposed based on the radial basis function(RBF) neural network with measurement noise being assumed to be of a hidden Markov model(HMM). The characteristics of this model include: 1) the predictive errors of RBF neural network are associated with the input of RBF-HMM model; 2) the number of hidden neurons varies with time; 3) the measurement noise is assumed to be HMMdistributed. SequentialMonte Carlo(SMC) method is then applied to the on-line prediction for time series in RBFHMMmodel. Finally, the smoothed data of the monthly mean sunspot numbers and CRU(the Britain Commodity Research University) steel price index are analyzed. The experimental results indicate that the RBF-HMM model is effective.