最优组合预测模型的构建及其应用研究

由于证券价格是随机游走的,在证券定价研究中RBF神经网络模型、灰色GM（1,1）模型、ARIMA模型不具备时效性,通过对上述三个模型进行综合分析,结合三者中有用的信息集合,构建一个最优组合预测模型．在此基础上选取了深发展A在2007年全年的收盘价作为研究样本对这四个模型进行实证研究,研究结果发现,最优组合预测方法对证券价格进行预测具有很好的预测精度和很高的可靠性．     

基于模糊神经网络的MVP评价模型及实证分析

利用模糊数学和神经网络方法建立对运动员进行评价的模糊网络模型,采用NBA流行的各评价指标作为其输入,模糊综合评价结果作为输出。样本数据采用2003~2004赛季NBA各单项50强的常规赛数据,分别用BP网络和RBF网络,建立分析系统,比较结果证明RBF网络仿真效果最好,完全可以实用,该模型也可以用在其它综合评价系统中。     

径向基函数神经网络在股票走势模式分类中的应用

探讨了径向基函数神经网络在个股走势模式分类中的应用问题。提出了一种可调基宽度的计算方法和若干数据预处理的措施。实例计算表明，该方法取得了较好的效果     

一种关于汽车整车不确定需求的组合预测模型

提出了一种针对汽车生产企业整车不确定需求的组合预测模型,即利用神经网络拟合数据基本变化趋势,然后对企业产品的市场占有率进行评价,以调节需求变化趋势.应用实例,对模型进行了验证,说明该模型能够较好地诠释企业产品需求信息,具有较好的预测能力.     

A numerical method for KdV equation using collocation and radial basis functions

Recently, there has been an increasing interest in the study of initial boundary value problems for Korteweg–de Vries (KdV) equations. In this paper, we propose a numerical scheme to solve the third-order nonlinear KdV equation using collocation points and approximating the solution using multiquadric (MQ) radial basis function (RBF). The scheme works in a similar fashion as finite-difference methods. Numerical examples are given to confirm the good accuracy of the presented scheme.     

回归分析与基于MIV的RBF神经网络在PM2.5的相关因素分析中的应用

PM2.5作为大气首要污染物,严重影响着人们的身体健康.为了研究影响PM2.5的相关指标,以武汉市的空气数据为研究对象,通过多元线性回归、偏最小二乘回归、基于MIV的RBF神经网络回归等方法对AQI中6个基本监测指标的PM2.5(含量)与其它5项分指标及其对应污染物(含量)之间的相关性进行分析;通过比较,基于MIV的RBF神经网络回归模型拟合度达到0.9302,效果最好,而且也优于BP人工神经网络回归算法,因此得出了精确可靠的影响PM2.5的指标权重大小,为减排PM2.5提供了可靠的理论依据.     

基于RBF网络的光纤荧光海水叶绿素a含量在线监测系统的研究

介绍了能够实现对海水中叶绿素a含量在线监测的光纤荧光系统。系统将荧光技术、光纤技术和基于RBF(Radial Basis Function Neural Network)神经网络的标定方法相结合，建立了用于海水叶绿素a含量在线监测的最佳RBF网络结构，系统具有结构简单，探头无源及高灵敏度等特点。     

基于径向基函数神经网络的未知模型混沌系统控制

基于径向基函数神经网络的智能方法对混沌进行控制-该方法不需要被控混沌系统的解析模型，控制的目标可以为周期轨道，也可以为连续变化的目标函数，在模型参数发生摄动和存在测量噪声情况下，控制仍然有效-研究了神经网络误差对控制精度的影响，并给出相关的定理及证明-针对Logistic映射和Henon吸引子的仿真结果，表明了此方法的有效性和可行性- 关键词： 混沌控制 径向基函数神经网络 参数摄动 测量噪声     

基于神经网络的多元稀土萃取组分含量的软测量

提出了一种应用RBF神经网络建立多组分稀土萃取平衡模型的方法,通过与萃取过程物料平衡模型相结合给出了在线预测稀土申级萃取分离生产过程中各组分含量的软测量方法。通过现场操作运行实测数据的建模仿真验证,表明这种混合软测量方法是有效的。