论文部分内容阅读
针对非线性非高斯时间序列，提出观测噪声服从隐马尔可夫模型（HMM）的径向基函数（RBF）神经网络（RBF-HMM）预测模型，其特点在于模型输入包含误差反馈项、RBF网络隐含层节点数的可变性和观测噪声的隐马尔可夫性；并采用序列蒙特卡罗（SMC）方法实现基于RBF-HMM模型的时间序列在线预测．最后采用太阳黑子数平滑月均值数据和CRU国际钢材价格指数月数据进行实证研究，结果表明该模型的有效性．