基于均值函数新息加权的神经网络趋势预测的方法研究  

Research for Trend Forecast in Neural Network of New Information Weighted with Mean Value Function

作　　者：王涛[1] 徐小力[1] 徐杨梅[1] 

机构地区：[1]北京机械工业学院机电测控北京市重点实验室,北京100085

出　　处：《计算机测量与控制》2005年第3期262-264,共3页Computer Measurement &Control

基　　金：国家自然科学基金资助项目(50375017)

摘　　要：当前旋转机组状态预测神经网络的应用中, 存在着对新数据强调不足的缺陷, 为了弥补原有的神经网络存在的缺陷, 提出了一种新的神经网络预测方法, 即基于均值函数新息加权的神经网络预测方法。依据时间序列数据的新旧程度对预测值贡献的大小, 通过均值函数赋给输入数据不同的权值系数, 提高了神经网络的预测精度。在旋转机组状态预测中能取得较为理想的预测效果。In the applications of the state forecast of rotating machine sets in current neural network, there are some defects in the insufficient emphasis on the new data. A new kind of forecast method based on neural network of new information weighted with mean value function is put forward in order to make up the defects. The forecast accuracy of neural network can be increased by inputting different weighted value in mean function, according to the contributions of the time sequence data to forecast values. It can make ideal effect in forecast state of rotating machine sets.

关 键 词：神经网络 均值函数 加权 趋势 时间序列数据 状态预测 旋转机组 预测方法 权值系数 预测精度 预测效果 预测值 缺陷 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] O211.6[自动化与计算机技术—控制科学与工程]