1. 周伽, 陈果. 光谱油样分析数据的神经网络多变量预测技术, 仪器仪表学报[J], 2006, 27(4):389-393.

       本文首先对重构相空间理论进行了研究；其次，将神经网络引入非线性时间序列预测，构造了神经网络预测模型，研究了影响神经网络预测精度的因素，利用遗传算法构造了结构自适应神经网络预测模型，并用国际标准数据和模拟数据进行了详细验证；然后，针对神经网络模型泛化能力差和训练不确定的缺陷，本文引入了基于统计学习理论的机器学习方法――支持向量机，构造了支持向量机预测模型，研究并实现了支持向量机的SMO(Sequential Minimal Optimization)快速算法，同时分析了支持向量机的模型参数选取问题，运用遗传算法实现了SMO预测模型参数的优化；最后用国际标准数据和模拟仿真数据验证了预测模型的正确性。