1) conclusion
推合
2) closure by incremental launching
顶推合拢
3) recurrent composite BP networks
递推合成BP网络
1.
This paper,presents a nonlinear time series forecasting model based on recurrent composite BP networks,It also establishes a multivariable time series model is aimed at concrete examples.
提供了一种基于递推合成BP网络的非线性时间序列预测方法,并针对具体实例建立多变量时间序列模型。
补充资料：拟合推估
亦称配置法，是一种推估方法，即根据某些观测数据，按一种特定的拟合法则，对随机参量和非随机参量进行推估。
观测有随机误差，参量中有随机变量，也有非随机变量。观测方程用矩阵表示如下：
式中L是含n个观测值的列向量,N是含n个观测误差的列向量,Y是含r个随机参量的列向量。这些都是随机变量，式中它们代表一次取值。X是含m个非随机参量的列向量,A和B是已知的n×m阶和n×r阶的系数矩阵。设N与Y无关联,其协方差分别为;权阵，，又设Y的数学期望为,则拟合推估在差的二次齐式
条件下进行,以求X、Y、N的估值。从以上的模型可见，拟合推估比一般平差问题增加了随机参量的推估。
观测有随机误差，参量中有随机变量，也有非随机变量。观测方程用矩阵表示如下：
式中L是含n个观测值的列向量,N是含n个观测误差的列向量,Y是含r个随机参量的列向量。这些都是随机变量，式中它们代表一次取值。X是含m个非随机参量的列向量,A和B是已知的n×m阶和n×r阶的系数矩阵。设N与Y无关联,其协方差分别为;权阵，，又设Y的数学期望为,则拟合推估在差的二次齐式
条件下进行,以求X、Y、N的估值。从以上的模型可见，拟合推估比一般平差问题增加了随机参量的推估。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。