光通信技术
光通信技術
광통신기술
OPTICAL COMMUNICATION TECHNOLOGY
2013年
12期
29-31
,共3页
光功率预测%ARMA-RBF%人工神经网络%小波变换%训练因子
光功率預測%ARMA-RBF%人工神經網絡%小波變換%訓練因子
광공솔예측%ARMA-RBF%인공신경망락%소파변환%훈련인자
optical power combination forecast%ARMA%artificial neural network%wavelet transform%training factor
针对光功率时间序列的非线性、时变性的复杂特性,设计基于小波变换的光功率时间序列预处理解析算法,构建ARMA-RBF组合预测模型,并提出一种训练因子调整RBF神经网络的训练频率来优化组合模型,最终实现光功率的预测.实验结果表明,该组合模型的预测精度较ARMA模型提高了40.2％,较RBF模型提高了28.3％.
針對光功率時間序列的非線性、時變性的複雜特性,設計基于小波變換的光功率時間序列預處理解析算法,構建ARMA-RBF組閤預測模型,併提齣一種訓練因子調整RBF神經網絡的訓練頻率來優化組閤模型,最終實現光功率的預測.實驗結果錶明,該組閤模型的預測精度較ARMA模型提高瞭40.2％,較RBF模型提高瞭28.3％.
침대광공솔시간서렬적비선성、시변성적복잡특성,설계기우소파변환적광공솔시간서렬예처리해석산법,구건ARMA-RBF조합예측모형,병제출일충훈련인자조정RBF신경망락적훈련빈솔래우화조합모형,최종실현광공솔적예측.실험결과표명,해조합모형적예측정도교ARMA모형제고료40.2％,교RBF모형제고료28.3％.
