河南科学
河南科學
하남과학
HENAN SCIENCE
2013年
9期
1428-1431
,共4页
RBF神经网络%收视率%预测
RBF神經網絡%收視率%預測
RBF신경망락%수시솔%예측
RBF neural network%audience rating%forecasting
收视率受各种因素的影响，由于各因素间存在的复杂的非线性关系，传统的预测方法已不能反映收视率的非线性变化规律。为了提高预测的精度，提出了一种RBF神经网络预测方法。通过对收视率样本数据进行非线性定阶，对模型进行重构，然后利用RBF神经网络寻找最优参数并进行预测。以广州经济频道及在广州市场上的其他4个电视频道19：00-20：00时间段的收视率为例进行仿真分析，结果表明模型的拟合效果较ARIMA及BP神经网络的结果好。
收視率受各種因素的影響，由于各因素間存在的複雜的非線性關繫，傳統的預測方法已不能反映收視率的非線性變化規律。為瞭提高預測的精度，提齣瞭一種RBF神經網絡預測方法。通過對收視率樣本數據進行非線性定階，對模型進行重構，然後利用RBF神經網絡尋找最優參數併進行預測。以廣州經濟頻道及在廣州市場上的其他4箇電視頻道19：00-20：00時間段的收視率為例進行倣真分析，結果錶明模型的擬閤效果較ARIMA及BP神經網絡的結果好。
수시솔수각충인소적영향，유우각인소간존재적복잡적비선성관계，전통적예측방법이불능반영수시솔적비선성변화규률。위료제고예측적정도，제출료일충RBF신경망락예측방법。통과대수시솔양본수거진행비선성정계，대모형진행중구，연후이용RBF신경망락심조최우삼수병진행예측。이엄주경제빈도급재엄주시장상적기타4개전시빈도19：00-20：00시간단적수시솔위례진행방진분석，결과표명모형적의합효과교ARIMA급BP신경망락적결과호。
Audience rating is influenced by different factors. Because of the complex relatinships among different factors,traditional methods can not reflect its nonlinear change rules. In order to improve its precision,this study presents a forecasting method of RBF neural network. Through the nonlinear ordering rating data and reconstructing the model,the best parameters are found and forecast is done. The simulation analysis of audience ratings of Guangzhou Jingji channel and other four channels during 19:00-20:00 is carried out,the results reflect that RBF model is better than ARIMA and BP.
