RBF网络+神经网络+水位预测+备赛案例+matlab代码+程序

径向基函数网络（Radial basis function network，缩写:RBF network）是一种人工神经网络，它使用了径向基函数作为激活函数。RBF可以看作是高维空间中的曲面拟合问题，其本质思想是利用反向传播学习算法和递归技术在高维空间中寻找一个能够最佳匹配训练数据的曲面。在这个过程中，RBF网络的学习目标是找到一组径向基函数，这些函数能够在输入模式下扩展并构建出一个任意的“基”，从而在隐空间中进行非线性变换。RBF网络的结构由输入层、隐层和输出层三部分组成，类似于其他类型的神经网络。988年，Broomhead、Lowe以及Moody和Darken最早将径向基函数用于神经网络设计。径向基函数神经网络（Radial Basis Function Neural Network，RBF神经网络）是一类常用的三层前馈网络，既可用于函数逼近，也可用于模式分类。与其他类型的人工神经网络相比，RBF网络有生理学基础，结构简单，学习速度快，优良的逼近性能和泛化能力等特点。简单说明一下为什么RBF网络收敛得比较快。当网络中的一个或多个可调参数（权值或阈值）对任何一个输出都有影