基于经验模态分解的降水量组合预测模型

论文摘要

针对降水量时间序列的多尺度非平稳性特点,提出了一种改进的集成经验模态分解（Modified Ensemble Empirical Mode Decomposition,MEEMD）-核极限学习机（Kernel Extreme Learning Machine,KELM）-果蝇优化算法（Fruit Fly Optimization Algorithm,FFOA）相结合的降水量预测模型。首先,利用MEEMD将非平稳的地降水量时间序列分解为一系列复杂度差异明显的降水量子序列;接着,针对每一个子序列分别建立KELM预测模型;为了进一步提高预测精度,将子模型的结果通过一组系数融合,并利用FFOA进行系数寻优,获得降水量的最终预测结果;最后,以重庆酉阳实测的年度降水量数据为例进行实验,并与BP神经网络、KELM以及MEEMD-KELM的三种预测模型进行比较。实验结果表明,MEEMD-KELM-FFOA模型的预测值能紧跟降水量的变化趋势,相比另外三种模型,体现出更好的预测效果。

论文目录

• 1 引言
• 2 基于MEEMD-KELM-FFOA的组合预测模型
• 3 实例验证
•   3.1 研究区概况
•   3.2 数据概况
•   3.3 基于MEEMD的降水量时间序列数据多尺度分解
•   3.4 各分解序列相空间重构
•   3.5 各分解序列的组合相关系数确定
•   3.6 模型验证及对比分析
• 4 结论

文章来源

类型: 期刊论文

作者: 李栋,薛惠锋,张燕

关键词: 降水量,改进的集成经验模态分解,核极限学习机,果蝇优化算法,预测

来源: 计算机仿真 2019年03期

年度: 2019

分类: 信息科技,基础科学

专业: 气象学,自动化技术

单位: 西北工业大学自动化学院,西安邮电大学经济与管理学院,中国航天系统科学与工程研究院

基金: 国家自然科学基金(U1501253),陕西省教育厅专项科研计划项目(2013JK0175)

分类号: P426.613;TP18

页码: 458-463

总页数: 6

文件大小: 1621K

下载量: 131