基于小波分析的非平稳FD过程分形指数估计

提出了一种非平稳FD过程分形指数估计的新方法。首先对过程进行平稳小波变换以获得各个尺度下的子过程。随后给出这些子过程方差的无偏估计;最后建立方差与尺度的函数关系,并在对数意义下对方差和尺度作线性回归,从而完成估计。计算机仿真表明该方法具有较高精度。     

基于径向基神经网络的股价预测

借助径向基函数（Radial Basis Function)神经网络对非线性函数的逼近能力，对深能源A股价这个时间列作了连续若干天的一步预测，并与其他预测方法进行了比较。结果表明，用径向基神经网络预测股价是可行的和有效的。     

基于径向基函数网络的混沌时间序列分析

给出了基于径向基函数网络的混沌时间序列预测的方法。利用非线性自回归移动平均（ＮＡＲＭＡＸ）模型对非线性时间序列进行辨识并给出基于动态径向基函数（ＲＢＦ）网络的辨识算法。将这一方法应用到Ｈｅｎｏｎ映射的混沌时间序列的嵌入维估计及我国股票市场的混沌现象的实证研究,得到理想的结果。文章最后指出了进一步的研究方向。     

利用径向基求解非局部和非线性问题

径向基的方法是近年发展起来的一种数值求解偏微分方程的无网格方法。据此，首次用径向基配置法求解电阻率测井中的系数有间断的椭圆方程非局部边值问题和连续铸钢中的非线性抛物方程物初－边值问题，获得了满意的数值结果。     

用小波实现两类非平稳过程的平稳化

主要讨论了两类非平稳过程小波变换后的平稳性.利用小波的局部性及暗含的差分性质,证明了在小波变换后,分数差分平稳过程和可调和周期相关过程是平稳的.     

非平稳噪声背景下多径信号DOA估计方法

针对目标信号传输过程中的多径现象或电磁干扰引起的同时存在独立和相干信源(多径信号)的情况,提出了一种非平稳噪声背景下的混合信源DOA分步估计方法。该算法利用常规谱估计算法估计独立信源,在利用广义协方差差分方法排除掉非平稳噪声信息后,然后根据斜投影算子的性质排除独立信源,对剩余的相干信源则可采用修正空间平滑算法恢复为满秩,进而可以用MUSIC算法进行DOA估计。相比较传统的广义差分方法,该算法在提高阵列信源过载能力的同时,避免了对独立信源的平滑运算,计算复杂度降低,并且适用于更广泛的未知噪声背景及低信噪比环境。计算机仿真结果证明了新算法的有效性和正确性。     

基于循环平稳的前馈符号定时估计算法

研究了符号的观测长度、成形滤波器的滚降因子和过采样率对定时估计算法的影响,并对非线性方式采用平方律、四次方、绝对值和对数的四种前馈符号定时估计算法进行了分析,比较了它们的定时估计性能和计算复杂度.这几种算法都是在基于大量统计信息的前提下,采用非数据辅助的前馈方式,利用信号的循环平稳特性来提取符号定时误差.仿真结果表明,算法的定时估计性能取决于符号观测长度和滚降因子参数的选择,而与过采样率无关,且绝对值方法定时估计性能最好.     

基于径向基神经网络的建筑物空调负荷预测模型

本文建立了一种基于径向基（RBF）神经网络的建筑物空调负荷预测模型。对广州市某办公楼在夏季不同月份的逐时冷负荷,分别用RBF神经网络模型和BP神经网络模型进行训练和预测计算,发现RBF神经网络模型预测的均方根误差ΔRMSE和平均相对误差ΔMRE都仅是BP神经网络方法的64％左右。仿真结果表明径向基（RBF）神经网络具有更高的预测精度及更好的泛化能力,是建筑物空调负荷预测的一种有效方法。     

基于径向基函数网络的能源消费量预测模型

采用径向基函数(RBF)神经网络方法进行能源消费量预测,建立了基于RBF神经网络的能源消费量预测模型。以我国1978~1997年的实际数据作为学习样本,对网络进行训练,拟合效果良好;以1998~2002年的实际数据检验网络,预测精度较高。并通过实例与BP网络进行比较,表明RBF网络预测模型优于BP网络预测模型。     

用径向基函数解一类微积分方程

通过一个数值算例,探讨了用径向基函数解一类微积分方程的问题。针对数值算例,比较了在相同步长时,不同的径向基函数对微积分方程数值解的精确程度,并比较不同的正定径向基函数在相同的形状参数时绝对误差的差异,说明径向基函数形状参数的选取与方程数值解的精度密切相关,同时也论证了在插值过程中所得到的矩阵方程解的存在唯一性。     

基于径向基函数神经网络的工程造价估算

提出了一种更有效的前向网络——径向基函数(RBF)神经网络,以多、高层办公楼为例,建立了工程造价的估算模型,运用MATLAB语言程序实现,同时采用同样的样本对BP网络进行训练,两者结果比较表明,这种方法弥补了BP网络存在的收敛速度慢,易陷入局部最优等缺陷,从而大大提高了其实用性,是对造价估算方式的又一新的尝试。     

一类强相依非平稳高斯序列最大值的几乎处处收敛

 设{X_n,n≥1}为存在样本缺失的标准化强相依非平稳高斯序列,其相关系数r_ij=EX_iX_j.在r_ijln(j-i)→r∈(0,∞)的情况下,得到了完整样本的最大值与非完整样本的最大值的联合极限分布,并证明了其几乎处处收敛.     

基于径向基函数的DIRECT全局优化方法

针对DIRECT全局优化方法估值次数多、收敛速度慢的缺点,提出一种基于径向基函数元模型的改进DIRECT算法.通过分析DIRECT算法的采样点信息,从中识别包含局部最优或全局最优点的最优区域.收集最优区域中的采样点构造径向基函数元模型,并在该元模型上搜索全局最优点,从而提高了DIRECT算法的收敛速度.最后,将该方法应用于数值计算以及压力容器的优化设计,结果证明了该方法的实用性与工程有效性.     

一种基于覆盖超球算法的径向基概率神经网络结构优化

介绍了径向基概率神经网络(RBPNN)的一种启发式结构优化算法.该算法首先提出一种移动平均中心超球覆盖算法,并用于初选径向基概率神经网络的隐中心矢量,然后使用遗传算法进一步优选隐中心矢量,同时优化核函数控制参数.实验结果表明,该算法在实际应用中能够加快优化速度,降低计算复杂度,有效地简化RBPNN模型的结构.     

一种基于进化计算的高斯径向基网络模型构建方法

为了提高高斯径向基神经网络模型的构建精度,将径向基中心、基宽以及连接权构成分区实数编码结构,将训练样本集作为每一个进化个体解码后的网络输入及输出,并将样本的期望输出同网络实际输出的平均误差平方和作为进化个体的适应度函数,将不同隐层节点数构成的进化个体的最优值作为设计问题的高斯径向基网络结构.采用2个Benchmark测试函数验证在不同隐层节点数情况下通过该进化算法构建的径向基模型的精度,从进化时间、进化代、最小适应度值以及均方根误差等方面作对比.结果表明,采用这种分区实数编码能高精度地构建不同设计问题的高斯径向基网络模型.     

非线性系统定阶的神经网络方法

前馈型神经网应用于非线性系统辨识的一个问题是确定系统阶次。采用前馈神经网进行非线性系统定阶与神经网的推广性问题密切相关。ＯＬＳ算法是构筑径向基神经网的一种学习算法，但是采用ＯＬＳ算法构筑神经网存在推广性问题。ＲＯＬＳ算法将ＯＬＳ算法与正则化（ｒｅｇｕｌａｒｉｚａｔｉｏｎ）方法相结合，以提高算法的推广能力。本文将基于径向基网的ＲＯＬＳ算法应用于非线性系统定阶。本文对提出的方法进行了仿真研究，结果验证了方法的有效性。     

平面压电结构的径向基函数无网格法

利用压电材料的正、逆压电效应制成的传感器和驱动器在很多领域有广泛的应用．压电结构的机电耦合效应,给问题的求解带来了一定的困难．本文利用无网格法对压电平面问题的控制方程进行求解．利用径向基函数进行插值近似,直接配点法对控制方程进行离散,得到无网格离散的线性控制方程组,最后通过数值计算与分析,验证了方法的可行性以及不同径向基函数对结果的影响．     

基于径向基函数的多闸门控制河流的洪水模拟

为了快速而准确地制定联合调度的复杂闸门水利枢纽处的洪水过程的防洪决策,开发了一种快速洪水模拟方法。以位于北京市北运河流域的北关分洪枢纽为例,采用二维水动力学模型计算了由上游来流量、闸门开度和相应下游水位等因素确定的800组工况;把模拟结果作为径向基函数神经网络的训练样本。这样,只用上游来流量、闸门开度、闸下水位就能快速地模拟出该区域的水位和流量。结果表明,模拟一组工况,用该方法只需不到1m in,而用二维模型需3h。     

基于混沌理论与径向基函数神经网络的混沌时间序列预测

根据混沌时间序列的特性 ,给出了将混沌理论与径向基函数神经网络相结合对其预测的方法 .首先在虚假邻域概念基础上 ,提出了可同时确定合适的嵌入维数与时间延迟的方法 ,从而可据此确定径向基函数神经网络的输入 ;然后 ,用径向基函数神经网络进行学习及预测 .最后 ,给出一个实例 .