基于径向基函数神经网络的交通事故预测

基于径向基神经网络强大且准确的非线性关系映射能力,将其应用于交通事故预测中,获得了较高的预测精度。同时,与BP神经网络预测结果的对比表明,径向基神经网络预测方法明显优于BP神经网络预测方法。     

一种基于RBF神经网络预测模型的舰船静电场检测方法

海洋环境中,舰船静电场信号易受背景噪声的影响,给目标检测带来了困难.通过对静电场的分析,提出了一种低信噪比下检测舰船静电场的方法,首先对信号进行小波分解并在低频段进行晕构,然后利用RBF神经网络对海洋环境噪声建立了预测模型,以模型对于接受信号的一步预测误差作为检验统计量来判断目标是否存在.将该方法用于实测舰船静电场信号的检测,取得了较好的效果.     

可转换债券定价模型的RBF数值解

基于相机权益分析方法,建立了信用风险影响下的可转换债券定价模型及相应的初边值条件,并采用径向基配置法对该定价模型进行了数值求解.通过数值模拟讨论了信用风险对可转换债券价值的影响,并对桂冠转债的定价作了实证研究.结果表明,考虑信用风险的可转换债券定价模型能有效地提高定价精度.     

Electrode wear prediction in milling electrical discharge machining based on radial basis function neural network

Milling electrical discharge machining (EDM) enables the machining of complex cavities using cylindrical or tubular electrodes. To ensure acceptable machining accuracy the process requires some methods of compensating for electrode wear. Due to the complexity and random nature of the process, existing methods of compensating for such wear usually involve off-line prediction. This paper discusses an innovative model of electrode wear prediction for milling EDM based upon a radial basis function (RBF) network. Data gained from an orthogonal experiment were used to provide training samples for the RBF network. The model established was used to forecast the electrode wear, making it possible to calculate the real-time tool wear in the milling EDM process and, to lay the foundations for dynamic compensation of the electrode wear on-line. This paper demonstrates that by using this model prediction errors can be controlled within 8%.     

SVR算法在指数预测中的应用研究

本文阐述了回归型支持向量机（SVR）的基本结构及训练方法,并在此基础上研究了基于SVR算法的股票指数预测方法。通过应用LS—SVM软件,选用RBF核函数。利用自学模型,对超参数不断进行优化,以加快运算速度,并最终建立了该算法应用于股市预测的模型。通过股票指数的建模与仿真结果表明,支持向量回归机在股票价格的中短期预测以及整体股票趋势预测有比较好的效果。     

基于小波包和RBF神经网络的轨道车辆滚动轴承故障诊断

针对轨道车辆的滚动轴承故障诊断问题,提出了一种小波包与RBF神经网络相结合的故障诊断方法.首先对采集到的振动数据进行小波消噪,然后利用小波包分解提取故障信号的能量特征向量,最后利用提取的能量特征训练RBF神经网络,进行故障诊断.诊断结果表明,基于小波包和RBF神经网络的轨道车辆滚动轴承故障诊断方法能够较好的诊断出轨道车辆的轴承故障类型,具有一定的实际应用价值.     

基于改进RBF神经网络对股价的演变预测

对RBF神经网络进行了分析,建立了RBF神经网络模型,并对此模型进行了改进,使其具有更好的预测性能.把一类非线性较强的时间序列(万科A股2009年6月份股票价格)利用该模型进行了非线性逼近.用Matlab软件对网络的学习与训练过程进行了数值仿真.实验结果表明:利用改进后的网络模型对非线性时间序列进行短期预测是可行的,其预测精度高于改进前的预测精度,改进方法有效.     

基于灰色径向基函数网络的区域物流能力组合预测

区域物流能力对区域经济的增长有着强劲的推动作用,为准确地预测区域物流能力大小及其变化趋势,将灰色系统理论中的GM预测模型与径向基函数神经网络有效地结合起来,综合了灰色系统贫乏数据建模的优点和神经网络特有的高度非线性映射能力,构建了基于灰色径向基函数网络的非线性组合预测模型。然后,以四川省1997-2005年的物流能力量化值为基础,对2006-2008年的四川省物流能力值进行了短期预测,并分析了预测结果的合理性。研究表明,该组合模型优于任何单一灰色预测模型,能很好地反映区域物流能力的变化规律,在小样本、贫信息的条件下,仍然能得到合理精准的预测结果,具有实用性。     

基于RBF网络的船舶机械状态监测与评估研究

在分析传统单一阈值监测法在船舶机械等大型机械设备状态监测领域存在不足的基础上,提出了基于RBF网络的动态阈值监测模型,并以该模型为基础,设计了面向船舶机械的状态评估流程,最后以X型舰艇主柴油机为例,对监测模型和评估流程进行了验证。     

基于混沌理论与RBF神经网络的船舶运动极短期预报研究

文章基于混沌动力系统相空间重构理论,利用关联维数法和最大Lyapunov指数法,对船舶运动时间序列的混沌特性进行了判定。并利用RBF神经网络较强的非线性映射功能,结合相空间重构理论建立了船舶运动极短期直接多步预报模型。实例预报结果表明,所建立的预报模型应用于船舶运动极短期预报取得了令人满意的预报精度,预报时间可达10 s。