联合EMD和FSVM的非平稳时间序列预测

• 作者: 王文波 赵攀 龚邦明
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 非平稳时间序列 经验模态分解 模糊支持向量机 组合预测
• 年，卷（期）: 2014,（z2）
• 所属期刊栏目: 智能计算
• 页码范围: 57-60
• 页数: 4页
• 分类号: TP181
• 字数: 3962字
• 语种: 中文

摘要

提出一种基于经验模态分解(EMD)和模糊支持向量机(FSVM)的非平稳时间序列组合预测方法.首先,利用EMD对非平稳时间序列进行分解,将其分解为时间尺度特征较为单一的单模态分量,降低待预测信号的非线性复杂度;然后,利用模糊支持向量机对EMD分解后的各固有模态函数进行预测;最后将各固有模态函数独立预测的结果进行叠加,即可得到原始序列的预测值.以带噪声的Lorenz系统和太阳黑子月平滑值序列为实验数据,对提出的预测方法进行了仿真分析.实验结果表明,与BP神经网络预测和传统的SVM预测方法相比,提出的方法具有更好的预测精度,而且对带有孤立点、噪声的序列信号具有较强的适应能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王文波	武汉科技大学理学院	48	337	9.0	17.0
2	赵攀	武汉科技大学理学院	5	12	3.0	3.0
3	龚邦明	武汉科技大学理学院	2	2	1.0	1.0