基于径向基函数神经网络的动态地震预测模型

英文篇名：Radial Basis Function Neural Network Based Dynamic Earthquake Prediction Model
中文刊名：控制工程
英文刊名：Control Engineering of China
作者：梁斌梅
英文作者：LIANG Bin-mei (College of Mathematics and Information Science ; Guangxi University ; Nanning 530004 ; China)
中文关键词：径向基函数神经网络 ; 地震预测 ; BP神经网络
英文关键词：radial basis function neural network ; earthquake prediction ; BP neural network
出版日期：2010-05-20
机构：广西大学数学与信息科学学院;
年：2010
期：S2
出版单位：控制工程

摘要

为了确定动态径向基函数神经网络(RBF网络)的参数以获取更优的性能,分析了影响RBF网络性能的主要因素并给出各参数的确定原则。通过实验说明确定最优RBF网络参数的方法,证明其建立的预测模型训练误差小且预测精度高。实验结果也表明,RBF网络预测精度高于BP网络,且训练时间远比BP网络的少。
To determine the parameters for a dynamic radial basis function neural network(RBF network) to obtain better performance, the major factors impacting on the performance of RBF network are analyzed,and the rules for determining the parameters are given.Experiments are given to show how to determine the optimal parameters of RBF network and prove that smaller training error and higher prediction precision are obtained.Experimental results also show that RBF network has a higher prediction precision and less training time than BP network.

引文

[1]飞思科技.神经网络理论与Matlab7实现[M].北京:电子工业出版社,2005.
    [2]Lu Y W,Sundararajan N,Saratchandran P.Performance evaluation of sequential minimal radial basis function(RBF)neural network learning algorithm[J].IEEE Trans on Neural Networks,1998,9 (6):308-317.
    [3]张永志,董俊慧,张艳飞.基于径向基神经网络焊接接头力学性能预测[J].焊接学报,2008,7:81-85.
    [4]王耀南,张东波.粗糙集意义下的一种RBF神经网络设计方法[J].控制与决策,2007,22(10):1091-1096.
    [5]梁斌梅.改进的径向基函数神经网络动态预测模型[J].计算机仿真,2009,26(11):191-194.
    [6]王自力,张卫东,张家骏.基于模糊神经网络的网络成瘾预测[J]控制工程,2008,15(5):556-559.
    [7]张成,屈卫东.基于RBF神经网络的临近空间气温预测模型[J].控制工程,2008,15(S_1):136-139.