基于改进RBF网络的过程工业时间序列预测方法
来源期刊：东北大学学报(自然科学版)2010年第12期
论文作者：刘芳 毛志忠 李磊
文章页码：1693 - 1696
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;
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.
刘芳1，毛志忠1,2，李磊1
1. 东北大学信息科学与工程学院2. 东北大学流程工业综合自动化教育部重点实验室
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;
