非平稳时间序列自适应线性神经网络在线预测

非平稳时间序列自适应线性神经网络在线预测

研究了应用自适应线性元件(Adaline)神经网络解决非平稳时间序列在线预测问题的可行性.提出根据自回归模型定阶方法来确定Adaline预测模型中的输入神经元数目,并分析了自适应学习率对预测性能的影响.仿真结果表明,Adaline在线预测非平稳时间序列的工作性能良好.

作 者： 冯志鹏 宋希庚 薛冬新 王平 徐继承   作者单位： 大连理工大学内燃机研究所,大连,116024  刊 名： 振动测试与诊断  ISTIC EI PKU 英文刊名： JOURNAL OF VIBRATION MEASUREMENT & DIAGNOSIS  年，卷(期)： 2002 22(4)  分类号： O235 TP13  关键词： 预测   神经网络   自适应   时间序列  

【非平稳时间序列自适应线性神经网络在线预测】相关文章：

混沌时间序列的自适应高阶非线性滤波预测04-26

基于非平稳时间序列的陀螺漂移性能建模与预测方法研究04-26

具有季节特征的水文时间序列预测模型研究04-26

基于小波神经网络的煤层底板突水非线性预测方法研究04-25

浅析时间序列04-26

一类新的非线性时间序列模型的极限性态研究04-26

Tucker定理在线性锥系统的推广04-26

具有未知死区和增益符号的自适应神经网络控制04-26

基于神经网络构造的GPS/INS自适应组合导航算法04-26

基于自适应Kalman滤波的BP神经网络在导航中的应用04-27