基于EMD的BP神经网络海水温度时间序列预测研究

被引:5
作者
卢晓亭 [1 ,2 ]
孙勇 [1 ]
笪良龙 [1 ]
徐国军 [1 ]
机构
[1] 海军潜艇学院海军战术水声数据中心
[2] 不详
关键词
经验模态分解; BP神经网络; 海水温度时间序列预测; 非平稳性序列;
D O I
暂无
中图分类号
TP183 [人工神经网络与计算];
学科分类号
摘要
为提高非线性和非平稳海水温度时间序列的预测能力,提出了一种基于经验模态分解(Empirical Mode De-composition,简称EMD)的BP神经网络预测方法。该方法首先对原始序列进行经验模态分解,将其分解为多个平稳性得到很大改善的本征模态函数(Intrinsic Mode Function,简称IMF)之和,然后对每个本征模态函数进行预测,最后再根据EMD方法的完备性把预测结果相加得出原始序列的预测结果。预测试验结果表明,基于EMD的BP神经网络预测的精度比单纯用BP神经网络预测有很大提高。
引用
收藏
页码:79 / 82
页数:4
相关论文
共 4 条
[1]   基于BP神经网络的福建省耕地预测模型 [J].
胡喜生 ;
洪伟 ;
吴承祯 .
福建农林大学学报(自然科学版), 2008, (04) :425-427
[2]   水环境非线性时序预测的高精度RBF网络模型 [J].
杨晓华 ;
杨志峰 ;
沈珍瑶 ;
陆桂华 ;
郦建强 .
水科学进展, 2005, (06) :788-791
[3]   一种基于神经网络的非线性时间序列模型 [J].
文新辉,陈开周 .
西安电子科技大学学报, 1994, (01) :73-78
[4]  
人工神经元网络及其应用[M]. 广西科学技术出版社 , 袁曾任编著, 1999