基于EMD的太阳黑子时间序列组合预测模型.pdf

第37卷第24期 计算机工程 2011年12月 V01．37NO．24 ComputerEngineering December2011 ·人工智能及识别技术· 文章编号t loo啪428(2011)24枷17㈣4文献标识码：A 中图分类号tTP391 基于EMD的太阳黑子时间序列组合预测模型 王■，毕贵红，唐京璃 (昆明理工大学电力工程学院，昆明650500) 攮要：针对太阳黑子的复杂性，利用经验模态分解(EMD)方法，将太阳活动在各时间尺度卜的变化分量分解为平稳的同有模态函数(IMF) 分量及余项。观察各分量的频谱，根据低频IMF分量和高频IMF分量的特点，分别采用自回归滑动平均模型和神经网络方法进行预测。 通过各分量的预测值，重构出原始信号的预测序列。仿真结果表明，该模型具有较高的预测精度。 关健词：太阳黑子数；经验模态分解方法；自回归滑动平均模型；反向传播 of Model CompositeForecasting EMD Time Basedon SunspotSequences Ⅵ後NG Xi，BI GlIi-hong，TANGJing-rui ofElectricPower ofScienceand 650500，China) (College Engineering，KunmingUniversity Technology,Kunming tothe of uses Mode solar containsall [Abstract]Accordingcomplexitysunspots，thispaperEmpiricalDecomposition(EMD)method，theactivity timescale intotheinherentsmoothIntrinsicMode remainders．Itobserveseach of ofthe changesseparated weight Function(IMF)and component the 011thecharacteristicsofthelow IMF selection MovingAverage(ARMA)modelpredicted specmlm，based frequencycomponentAuto—regressive the the IMF neuralnetwork thevarious ofthe componentsprimarysignal averagedirectly,andhighfrequencyusing forecast．Through reconstructiona increasesthe resultsshowthatthemodelhas forecast sequence，a