基于神经网络的非线性非平稳系统辨识与预测

本研究共提出五方面的创新性成果：1、提出了基于扩展卡尔曼滤波的多种前向网络非线性时变系统辨识算法，提出了构造Q阵的启发式方法，并构造了状态转移阵提高了网络的预测能力；2、提出了基于自调整移动窗最小二乘的前向网络非线性时变系统辨识算法，将传统的同类算法推广到未知结构的非线性系统；3、提出了基于最小二乘的多种前馈网络的快速学习算法，较现有同类算法收敛速度更快，计算复杂性更小，因而具有更强的实时能力；4、提出了一种基于基序列逼近的前向网络非线性时变系统辨识算法，将现有的必须已知模型结构的基序列逼近算法推广到未知结构非线性系统。5、提出了两种新的小波网络系统辨识算法。本研究为一类复杂系统建模提供了多种有力武器。