为了提高使用精度，研究了某型号MEMS陀螺仪的随机漂移模型。采用游程检验法分析了 该陀螺仪随机漂移数据的平稳性，并根据该漂移为均值非平稳、方差平稳的随机过程的结论， 采用梯度径向基（RBF）神经网络对漂移数据进行了建模。实验结果表明：相比经典RBF网络模 型而言，这种方法建立的模型能更好地描述MEMS陀螺仪的漂移特；相对于季节时间序列模型而 言，其补偿效果提高了大约15％。

基于氯乙烯精馏的软测量改进的PSO-RBF神经网络建模-Soft-sensor Modeling of Rectification of Vinyl Chloride Based on Improved PSO-RBF Neural Network

包括神经网络的主元处理，回归算法，建模数据集的源码，bp，rbf设计实例-Artificial neural network n