RBF网络在地质样品元素含量预测中的应用
来源期刊：金属矿山2007年第10期
论文作者：穆克亮 李哲 杨雪梅 闫玉生 庹先国
关键词：RBF网络; OLS算法; 地质样品; 元素含量; 预测;
摘 要：人工神经网络具有自组织、自学习、非线性逼近能力,其中的径向基函数(RBF)网络是以函数逼近理论为基础而构造的一类前向网络,这类网络的学习等价于在高维空间中寻找训练数据的最佳拟合平面.对攀枝花已知地质样品的X射线荧光计数数据进行归一化,并用自组织神经网络进行分类后,采用RBF网络的OLS算法预测攀枝花未知地质样品的Ti元素含量,预测数据与化学分析数据的相对误差均小于0.5%,结果比较理想.
穆克亮1，李哲1，杨雪梅1，闫玉生2，庹先国1
(1.成都理工大学;
2.成都理工大学信息工程学院)
摘要:人工神经网络具有自组织、自学习、非线性逼近能力,其中的径向基函数(RBF)网络是以函数逼近理论为基础而构造的一类前向网络,这类网络的学习等价于在高维空间中寻找训练数据的最佳拟合平面.对攀枝花已知地质样品的X射线荧光计数数据进行归一化,并用自组织神经网络进行分类后,采用RBF网络的OLS算法预测攀枝花未知地质样品的Ti元素含量,预测数据与化学分析数据的相对误差均小于0.5%,结果比较理想.
关键词:RBF网络; OLS算法; 地质样品; 元素含量; 预测;
【全文内容正在添加中】
