经验模式分解在极移超短期预报中的应用

• 作者: 刘建 王小辉 王琪洁
• 来源期刊: 天文学报
• 学科: 地球科学
• 关键词: 天体测量,时间,方法 数据分析
• 年，卷（期）: 2012,（6）
• 页码范围: 519-526
• 页数: 8页
• 分类号: P128
• 字数: 4524字
• 语种: 中文

摘要

经验模式分解(Empirical Mode Decomposition,简称EMD)是一种数据驱动的自适应非线性时变信号分解方法,可以把数据分解成具有物理意义的模式函数分量.采用EMD对极移序列进行分解,去除序列中的高频信号,然后基于最小二乘外推(Least Squares Extrapolation,简称LSE)和广义回归神经网络(General Regression Neural Network,简称GRNN)的组合模型对去除高频信号的极移序列进行1～10d的超短期预报.实验结果表明:将该模型应用到极移超短期预报具有可行性,预报精度有明显改善.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘建	中南大学地球科学与信息物理学院	20	68	5.0	7.0
2	王琪洁	中南大学地球科学与信息物理学院	26	214	9.0	13.0
3	王小辉	中南大学地球科学与信息物理学院	2	34	2.0	2.0