基于EMD的相空间重构极限学习机预测模型

摘要：

针对气象领域中现有气象预测模型存在的准确率不高、建模时间过久、受噪音影响太大等问题,通过分析气象数据具有的时序性、混沌性和存在噪音等不确定特征,拟采用一种通过模态分解并构建于相空间基础之上的极限学习机技术.通过利用经验模态分解减少数据噪音,利用相空间重构技术提升学习规则提取和模型构建的有效性,并根据极限学习机所具备的快速构建的特性来构建预测模型.针对经典经验模态分解技术在IMF的筛选的阈值计算方法存在过筛选或者噪音数据去除不完整、去噪效果不理想等问题,提出动态阈值设定方法.在真实的数据集上对该预测模型进行对比测试,测试结果表明,该模型具有更好的预测精度,有效降低了数据噪音的影响.

关键词：经验模态分解、相空间重构、极限学习机、气象预测、时序预测模型

所属期刊栏目：38

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金项目61070139、81460769;江西省科技计划基金项目20112BBG70087

在线出版日期：2017-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：2515-2524