1. Matlab实现径向基神经网络的时间序列预测（完整源码和数据) 2. 单列数据，递归预测-自回归，时间序列预测 3. 评价指标包括：R2、MAE、MSE、RMSE 4. 包括拟合效果图和散点图 5. Excel数据，暂无版本限制，推荐2018B及以上版本

用RBF神经网络，，对水数据进行预测，希望大家相互借鉴学习。

为了提高光伏发电功率预测的精度，本文在结合灰色预测算法（GM）与神经络预测算法优点的基础上，提出一种基于灰色径向基函数（Radical Basis Function， RBF）和神经网络光伏发电功率预测模型。该预测模型综合了灰色预测算法所需历史数据少以及RBF神经网络预测算法自学习能力强的优点。最后，运用南昌地区夏季和冬季晴天、阴天、雨天光伏发电历史数据在MATLAB应用平台编程实现对GM-RBF神经网络预测模型的预测精度进行验证，得出基于GM-RBF神经网络光伏发电预测模型在夏季晴天预测误差为6.495%、夏季阴天预测误差为12.146%、夏季雨天预测误差为21.531%、冬季晴天预测误差为8.457%、冬季阴天预测误差14.379%、冬季雨天预测误差为18.495%，其预测精度均高于灰色预测算法和RBF神经网络预测算法。

本案例主要以汽油辛烷值预测，利用RBF神经网络进行对数据进行回归拟合。

Matlab的RBF径向基神经网络用于销售额销售量的预测-RBF径向基神经网络，用于销售额、销售量的预测.rar RBF径向基神经网络，用于销售额、销售量的预测

搜集的RNF的论文 对研究该领域侧初学者会有帮助哦，希望大家顶一下

为了提高光伏发电功率预测的精度，本文在结合灰色预测算法（GM）与神经络预测算法优点的基础上，提出一 种基于灰色径向基函数（Radical Basis Function， RBF）和神经网络光伏发电功率预测模型。 该预测模型综合了灰色预 测算法所需历史数据少以及 RBF 神经网络预测算法自学习能力强的优点。 最后，运用南昌地区夏季和冬季晴天、阴 天、雨天光伏发电历史数据在 MATLAB 应用平台编程实现对 GM-RBF 神经网络预测模型的预测精度进行验证，得出 基于 GM-RBF 神经网络光伏发电预测模型在夏季晴天预测误差为 6.495%、夏季阴天预测误差为 12.146%、夏季雨天 预测误差为 21.531%、冬季晴天预测误差为 8.457%、冬季阴天预测误差 14.379%、冬季雨 天预 测 误 差为 18.495%，其 预测精度均高于灰色预测算法和 RBF 神经网络预测算法