2。2  人工神经网络的特点文献综述

（1）在结构上神经网络和计算机有本质上的区别，神经网络由许多个处理单元相互连接而成，每个处理单元都有属于自己的功能及特点，但是每个单元的功能以及特点相对简单，但是通过这些具有简单功能的单元相互连接，能够对活动的结果以及预期进行判断。

（2）人工神经网络具有优良的容错以及存储能力，即便是部分网络存在受损的情况，依然能够实现对数据的保存以及处理，同时也不会丧失数据处理结果的准确性和精度。

（3）神经网络中的每个单元都具备对信息的处理和存储的能力，神经元会对信息进行抑制或是刺激等反应，这种反应实际上就是对数据的处理。

（4）神经网络具备自学习以及组织的能力，通过神经元的学习以及学习结果的反馈，能够识别出样本中的特点，并且在识别过程中能够借助于组织以及学习能力，实现对特点的推理、联想以及处理。

2。3  人工神经网络的常见模型

人工神经网络模型虽然有很多，但在实践中，主要使用到的模型有如下：

（1）BP网络，也被称作为误差逆传播网络，这种网络具备反响传播能力，同时也能够对多层次的网络进行映射和误差的修正，具备修正的特性也使得这种模型可以通过对参数进行适当的修正来减少均方差，已实现收敛性，BP网络是目前使用最对的网络模型，但是BP网络也有自己的局限性，如速度慢、多维曲面上容易逃离局部极小值，算法的收敛性很难满足等。这些局限性也导致其进一步的发展。来,自,优.尔:论;文*网www.youerw.com +QQ752018766-

（2）RBF网络，又称作为径向基网络，这是一种具有简单结构、简洁训练以及具有较快收敛速度的模型，同时RBF网络能够无限逼近非线性函数，为此RBF使用也极为广泛，如时间序列、图像处理、非线性控制、模式识别等都得到了广泛的应用。

（3）GMDH网络，也称为多项式网络，这种网络是一种预测性的网络，但是这种网络结构并不是固定的，甚至在训练过程中，这种网络的结构在不断的变化之中。

（4）BM网络，这种网络具有随机性的特点，其性质和特点非常类似于Hopfield网络[3]。

目前， BP网络和RBF网络是在工程中应用较多的，本文将对这两种网络预测方法进行分析比较。