作者：魏琳; 徐姝; 张治倩海河流域ceemdan神经网络ar模型汛期降水中长期预测
摘要：文章利用完全集合经验模态分解（CEEMDAN）方法,对海河流域汛期（6-9月）降水进行多尺度分析,并识别其演变模式,获得各本征模函数（IMF）,然后结合利用最近邻抽样回归模型（NNBR）、自回归模型（AR）、神经网络模型等多种方法对分解的各模态进行建模,选出最佳模型进行预测。经过对比分析,各模态最佳模型分别为神经网络模型与AR模型。因此文章采用CEEMDAN与神经网络及AR模型相结合的方法对海河流域汛期降水进行预测,并且同回归模型及单一的NNBR模型的预测值作比较研究。结果表明文章采用的模型稳定性好,能合理的预测海河流域汛期降水演变趋势,提高中长期汛期降水预测精度,具有一定的应用价值。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
