%0 Journal Article
%T 动态神经网络在变形预报中的应用
%A 邓兴升
%A 王新洲
%J 武汉大学学报(信息科学版)
%D 2008
%X ？静态神经网络模型用于在线时间序列的预报时具有局限性,即网络的泛化能力有限,且模型不能不断地适应新增样本的变化。如果每增加一个样本对神经网络重新训练,需要大量的计算时间。针对该问题,提出了动态神经网络预报模型。在获得新增样本数据之后,通过比较预报值与实际值之差的绝对值是否大于ε敏感因子,决定模型是否需要修正。为了降低模型修正的计算时间,提出了在线动态修正方法,实现了增加样本而矩阵阶数不增加,且避免了矩阵求逆运算,理论上可以提高计算效率。通过实例表明,该方法在计算时间和预报精度两个方面都具有一定优势,可应用于在线实时变形预报及相关领域。
%K 动态神经网络
%K 在线时间序列
%K 大坝变形
%K 预报模型。
%U http://ch.whu.edu.cn/CN/abstract/abstract1484.shtml