2.径向基RBF神经网络预测模型RBF网络是一种新颖的有效的前向型神经网络，由于该网络输出层对中间层的线性加权，使得该网络避免了像BP网络那样繁琐冗长的计算，具有较高的运算速度和外推能力，同时使得网络有较强的非线性映射功能，RBF网络是通过非线性基函数的线性组合实现从输入空间Rn到输出空间Rm的非线性转换。而本题数据是一类非线性较强的时间序列，对其进行预测，即从前N个数据中预测将来M个数据，实质上就是找出从Rn到Rm的非线性映射关系。因此，可以说径向基网络特别适合于非线性时间序列的预测。2.1RBF网络结构及算法1、网络的神经元结构2、激活函数采用径向基函数（1）以输入和权值向量之间的距离作为自变量R(dist|)=edistII2RBF网络的输出是隐单元输出的线性加权和，学习速度加快；径向基神经网络使用径向基函数（一般使用高斯函数）作为激活函数，神经元输入空间区域很小，因此需要更多的径向基神经元。自组织选取中心学习方法有：第一步，自组织学习阶段无导师学习过程，求解隐含层基函数的中心与方差；第二步，有导师学习阶段求解隐含层到输出层
