首页 | 本学科首页   官方微博 | 高级检索  
     

基于改进RBF网络的过程工业时间序列预测方法
引用本文:刘芳,毛志忠,李磊. 基于改进RBF网络的过程工业时间序列预测方法[J]. 东北大学学报(自然科学版), 2010, 31(12): 1693-1696. DOI: -
作者姓名:刘芳  毛志忠  李磊
作者单位:东北大学,信息科学与工程学院,辽宁沈阳110004;东北大学,信息科学与工程学院,辽宁沈阳110004;东北大学,流程工业综合自动化教育部重点实验室,辽宁沈阳110004
基金项目:国家高新技术研究发展计划项目
摘    要:基于残差思想的异常数据检测方法的关键之处在于对数据的准确预测.针对这一问题,提出基于改进径向基网络(radial basis function network,RBFN)的过程工业时间序列预测方法,该方法通过改变RBF网络的输入形式,使改进后的RBF网络能够更方便地引入遗忘因子以及惩罚因子,以适应于基于残差思想的异常数据检测方法要求的动态性能和鲁棒性.通过理论证明改进的RBF网络与传统RBF网络的等效性,并通过实验比较证明改进后的RBF网络较传统的网络结构更简单,参数意义更明确.

关 键 词:径向基网络  异常数据检测  时间序列  过程工业  高斯函数

RBFN-Based Prediction for Time Series of Process Industries
LIU Fang,MAO Zhi-zhong,LI Lei. RBFN-Based Prediction for Time Series of Process Industries[J]. Journal of Northeastern University(Natural Science), 2010, 31(12): 1693-1696. DOI: -
Authors:LIU Fang  MAO Zhi-zhong  LI Lei
Affiliation:LIU Fang1,MAO Zhi-zhong1,2,LI Lei1(1.School of Information Science & Engineering,Northeastern University,Shenyang 110004,China,2.Key Laboratory of Integrated Automation of Process Industry,Ministry of Education,China)
Abstract:The key of residual-based outlier detection algorithm depends on the accurate prediction.To solve the problem,a prediction algorithm based on the improved RBFN(radial basis function network)is proposed for time series of process industries.In the algorithm the input form of the improved RBFN is changed so as to enable the improved RBFN to be more convenient for introducing the forgetting and penalty factors into it,thus adapting itself to the dynamic performance/robustness required by the residual-based out...
Keywords:RBFN  outlier detection  time series  process industry  Gaussian function  
本文献已被 CNKI 万方数据 等数据库收录!
点击此处可从《东北大学学报(自然科学版)》浏览原始摘要信息
点击此处可从《东北大学学报(自然科学版)》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号