EEMD与RBF神经网络的太阳黑子月均值预测

• 作者: 孙堂乐 李国辉
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 太阳黑子 集合经验模态分解 径向基函数(RBF)神经网络 预测
• 年，卷（期）: 2017,（24）
• 所属期刊栏目: 工程与应用
• 页码范围: 252-256,262
• 页数: 6页
• 分类号: TP391
• 字数: 3402字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1606-0395

摘要

太阳黑子月均值是典型的混沌时间序列,具有较强的非线性和非平稳特征,能够反映太阳活动的真实水平.采用一种应用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)与径向基函数(Radial Basis Function,RBF)神经网络组合的预测模型.通过EEMD将原始时间序列分解为若干个不同时间尺度的本征模态函数(Intrinsic Mode Function,IMF)分量,并对这些分量进行建模预测,再将各分量的预测值重构得到原始时间序列的预测值,这样不仅降低了算法的复杂性,而且有利于提高模态分量包含信息的物理意义.仿真结果表明,与经验模态分解(Empirical Mode Decomposition,EMD)结合RBF神经网络的模型相比,该模型具有较高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李国辉	西安邮电大学电子工程学院	39	409	9.0	19.0
2	孙堂乐	西安邮电大学电子工程学院	2	8	1.0	2.0