RBF神经网络在动物动态称重中的研究

针对动物动态称重数据样本不平稳，真实信号淹没在噪声中导致动物体重难以快速准确测量的问题，通过将RBF神经网络引入到动态称重数据的处理中，结合经验模态分解（EMD）算法处理动态称重数据的对比试验，得出RBF神经网络能有效降低干扰信号影响的结论。EMD算法处理数据的平均相对误差为9.51%,RBF算法处理数据的平均相对误差为5.86%。实验结果表明，RBF算法处理动态称重数据的平均相对误差比EMD算法高了近一倍，证实了RBF算法应用于动物动态称重数据比EMD算法更有效。