基于EEMD和GRNN的降水量序列预测研究

• 作者: 丁皖豫 柳闪 王影 王志良 畅建霞 韩志伟 黄春艳
• 来源期刊: 人民黄河
• 学科: 地球科学
• 关键词: ARMA 广义神经网络 集合经验模态分解 降水预测
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 水文泥沙
• 页码范围: 26-28
• 页数: 3页
• 分类号: P457.6
• 字数: 2333字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1379.2017.05.007

摘要

为提高非平稳性、非线性降水序列的预测精度,利用基于集合经验模态分解和广义神经网络的预测模型对郑州市1951-2011年的年降水量序列进行了分析.结果表明:集合经验模态分解减弱了经验模态分解IMF分量的模态混叠现象,提高了广义神经网络的预测精度;相对于经验模态分解的广义神经网络和传统的ARMA方法,基于集合经验模态分解的广义神经网络的预测结果更加精确,具有收敛速度快及预测精度高等特点.