基于EMD的多尺度混合模型及在气象数据中的应用

发布时间：2023-05-18 05:19

　　利用经验模态分解(Empirical Mode Decomposition,EMD)对气象数据进行多尺度分析,探究气象数据的复杂性特征。将EMD和支持向量回归(Support Vector Regression,SVR)相结合建立多尺度混合模型对气温数据进行建模预测,并将建立的模型与现有非平稳数据的建模方法进行比较。实证分析表明,基于EMD的多尺度混合模型在预测结果的均方误差和平均绝对误差方面,比SVR方法提高了0.694和0.237,比ARIMA方法提高了0.439和0.159,因此更适合气象数据的建模与预测。

【文章页数】：6 页

【文章目录】：
0 引言
1 EMD和SVR简介
    1.1 经验模态分解
    1.2 支持向量机
2 EMD-SVR混合预测模型
3 实证分析
    3.1 基于EMD分解的多尺度分析
    3.2 EMD-SVR模型的建立与预测
4 结论



本文编号：3818753