经验模态分解法在大气时间序列预测中的应用

介绍了一种可以提高非平稳时间序列预测精度的新方法，该方法应用Hilbert-Huang变换的核心内容-经验模态分解法（Empirical mode decomposition，EMD）对非平稳时间序列进行分解，以降低被预测信号中的非平稳性，利用神经网络对分解后的各分量进行预测，再将预测结果叠加．利用该方法对石家庄市年逐月降水量进行预测，预测结果显示，其预测精度比直接用神经网络预测的预测精度有较明显的提高．...

Full description

Saved in:
Bibliographic Details
Published inZi dong hua xue bao Vol. 34; no. 1; pp. 97 - 101
Main Author 玄兆燕 杨公训
Format Journal Article
LanguageChinese
Published 河北理工大学机械工程学院,唐山,063009%中国矿业大学,北京,100080 2008
中国矿业大学,北京,100080
Subjects
Hilbert-Huang变换
人工神经网络（ANN）
时间序列
经验模态分解法（EMD）
非平稳性
非线性
预测
非线性
时间序列
Hilbert-Huang变换
经验模态分解法(EMD)
预测
非平稳性
人工神经网络(ANN)
Online AccessGet full text
ISSN0254-4156
1874-1029
DOI10.3724/SP.J.1004.2008.00097

Cover

More Information
Summary:介绍了一种可以提高非平稳时间序列预测精度的新方法，该方法应用Hilbert-Huang变换的核心内容-经验模态分解法（Empirical mode decomposition，EMD）对非平稳时间序列进行分解，以降低被预测信号中的非平稳性，利用神经网络对分解后的各分量进行预测，再将预测结果叠加．利用该方法对石家庄市年逐月降水量进行预测，预测结果显示，其预测精度比直接用神经网络预测的预测精度有较明显的提高．
Bibliography:TP13
Hilbert-Huang transform, prediction, nonstationary, non-linear, empirical mode decomposition （EMD）, artificial neural network （ANN）, time series
11-2109/TP
ISSN:0254-4156
1874-1029
DOI:10.3724/SP.J.1004.2008.00097