基于神经网络的非线性时变系统辨识和预测

非线性时变系统客观存在于生产过程、生物和物理系统、社会经济系统中，但迄今尚无有效的方法进行辨识和预测，特别是系统结构未知时就更难了。本研究拟在人工神经网络基础上采用基序列逼近和扩展卡尔曼滤波技术对这类系统进行辨识和预测。拟对前向网络和递归网络进行研究，提出一套高效又简便的算法来，为一类复杂系统的建模提供多种有力的武器。