摘要：基于神经网络的时间序列预测方法,需要正确确定网络结构,它关系到所建模型的合理性以及预测的准确性。目前确定网络结构的绝大多数方法,其网络结构一经训练确定便保持不变。然而现实中许多时间序列呈现非平稳性,其结构经常发生变化,这就要求网络结构能够动态可调,因此本文提出结构可变的径向基函数（RBF）神经网络预测模型。并采用序列蒙特卡罗（SMC）方法实现基于结构可变RBF网络的时间序列在线预测;最后采用CRU钢铁价格指数月数据进行实证研究,结果表明该模型的有效性。

关键词：预测 时间序列 径向基函数神经网络 序列蒙特卡罗方法 

单位：南京农业大学工学院 江苏南京210031 南京航空航天大学经济与管理学院 江苏南京210016