基于EMD和神经网络的时间序列预测.pdfVIP

2007 年 1 月 西 　安 　邮 　电 　学 　院 　学 　报 Jan2007 第 12 卷 第 1 期 　　 JOURNAL OF XI’AN UN IV ERSIT Y OF POST AND TEL ECOMMUN ICA TIONS Vol 12 No1 基于 EMD 和神经网络的时间序列预测 李　楠 , 曾兴雯 (西安电子科技大学 通信工程学院 ,陕西 西安 　710071) 摘要 :提出了一种新的时间序列预测方法 :利用 EMD 分解法和神经网络进行信号预测。EMD 分解法是一种自适 应的信号处理方法 ,适用于分析非线性、非平稳过程。这一方法分三个基本步骤 :首先对待预测的时间序列进行 EMD 分解 ,产生多个基本模式分量 IMF ( Intrinsic Mode Function) ,接着对各个分量分别用神经网络进行预测 ,然后 重构各分量的预测值 ,得到最终预测结果。仿真结果表明该方法较之以往的参数模型法以及直接用单一的神经网 络进行预测更加准确有效。 关键词 : EMD ;信号预测 ;神经网络 ( ) 中图分类号: TN911 　　　　　文献标识码 :A 　　　　　文章编号 :1007 - 3264 2007 01 - 0051 - 04 法是有效的。 引言 1 　EMD 分解[1 ] 时间序列是指某种统计指标的数值按照时间先 ( ) 后顺序排列起来的数列 X t 。时间序列预测是将预 经验模态分解方法 EMD 和相应的 Hilbert 变换 测目标的历史数据按照时间的顺序排列成为时间序 是由 Huang 等发展的一种新的数据分析方法。 列 ,然后分析它随时间的变化趋势 ,外推预测信号值。 该方法从本质上讲是对一个信号进行平稳化处 传统的时间序列的预测方法是时变参数模型法 ,包括 理 ,其结果是将信号中不同尺度的波动或趋势逐级 AR 模型、MA 模型和 ARMA 模型 ,它们都是研究非 分解开来 ,产生一系列具有不同特征尺度的数据序 平稳随机信号的重要方法。近年来神经网络发展迅 列 ,每一个序列代表一个本征模式函数 IMF ( In 速 ,用于预测领域的神经网络通常有 :BP 神经网络 , trinsic Mode Function) 。Huang 认为 ,在进行 EMD 径向基函数神经网络 ,Elman 神经网络等。 分解时 ,所获得的 IMF 必须满足下列 2 个条件 : 在工程实践中遇到的信号都是非平稳信号 ,变 ( ) 1 对于该分量信号, 其极值点和过零点数目 化趋势复杂并且存在大量的噪声干扰造成信号畸 必须相等或至多相差一点; 变 ,难以用单一预测方法进行有效准确的预测。经 ( ) 在任意点, 由局部极大点和极小点构成的 2 ( ) 验模式分解 EMD 是一种较新的信号变换理论 ,具 两条包络线的平均值为零。 有自适应的特性 ,分解出的信号能够很好地反映原