|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2011年11 期
| 標(biāo)題 |
| 基于改進RBF神經(jīng)網(wǎng)絡(luò)的產(chǎn)業(yè)損害預(yù)警指數(shù)預(yù)報(20 卷) |
| 英文標(biāo)題 |
| Forecast of Industry Injury Early-warning Index based on improved RBF Neural Networks |
| 摘要 |
| 為了有效的保護產(chǎn)業(yè)安全，產(chǎn)業(yè)損害預(yù)警指數(shù)的預(yù)報成為重要的研究方向。針對這種非線性的時間序列和產(chǎn)業(yè)損害預(yù)警系統(tǒng)的應(yīng)用特點，本文對RBF網(wǎng)絡(luò)的學(xué)習(xí)算法進行了一定的改進，提高了預(yù)測結(jié)果的穩(wěn)定性。根據(jù)實驗仿真結(jié)果顯示，該模型優(yōu)于傳統(tǒng)使用的分析方法，為各生產(chǎn)行業(yè)的生產(chǎn) |
| 作者 |
| 新聞作者:郭恒川，任 波 |
| 關(guān)鍵字 |
