论文部分内容阅读
提出了一种基于神经网络的效益函数预报方法.为了提高预报精度,引入滚动学习预报技术处理过程的时变性.该预报技术中,输入输出数据对通过移动窗口获得.在每一次采样时间后,由输入输出数据对构成的训练数据库将被更新,然后程序重复进行下一轮的预报.为检验所提出方法的有效性,以头孢菌素C生产为例,对效益函数进行了超前24 h预报,结果显示该方法的预报精度高于已有的方法.