基于EEMD和ARIMA的海温预测模型研究

• 作者: 余昱昕 廖杏杰 张莹 彭发定 谭艳春
• 来源期刊: 海洋学研究
• 学科: 地球科学
• 关键词: 集合经验模态分解 机器学习 自回归积分滑动平均模型 海表温度
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 研究论文
• 页码范围: 9-14
• 页数: 6页
• 分类号: P731.31
• 字数: 4520字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-909X.2019.01.002

摘要

类型丰富、时空分辨率高的海洋探测数据,为信号分解和机器学习算法的应用提供了可能.本文针对如何建立有效的海温预测模型这一问题,使用高时空分辨率的海表温度(SST)融合产品,引入信号处理领域的集合经验模态分解(EEMD)和机器学习领域的自回归积分滑动平均模型(ARI-MA).首先利用最适于分解自然信号的EEMD方法,将海温数据分解成多个确定频率的序列;再利用ARIMA分别对各个频率的序列进行预测,最后将各个序列的预测结果进行组合.该方法在丰富数据的支撑下,比以往直接使用海温数据所建立的预测模型精度更高,为更好地进行海温预测提供了新方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张莹	广东海洋大学数学与计算机学院	21	98	6.0	9.0
2	谭艳春	广东海洋大学电子与信息工程学院	14	19	3.0	3.0
3	彭发定	广东海洋大学数学与计算机学院	2	1	1.0	1.0
4	廖杏杰	广东海洋大学数学与计算机学院	1	0	0.0	0.0
5	余昱昕	广东海洋大学电子与信息工程学院	2	1	1.0	1.0