计算机与现代化
計算機與現代化
계산궤여현대화
Computer and Modernization
2015年
9期
46-49
,共4页
潘卫军%潘月晓%卢国盼%曾琛
潘衛軍%潘月曉%盧國盼%曾琛
반위군%반월효%로국반%증침
Hilbert-Huang变换%预测精度%经验模态分解%时间序列%神经网络
Hilbert-Huang變換%預測精度%經驗模態分解%時間序列%神經網絡
Hilbert-Huang변환%예측정도%경험모태분해%시간서렬%신경망락
Hilbert-Huang transform%prediction accuracy%Empirical Mode Decomposition(EMO)%time series%neural network
为提高对非平稳时间序列预测的精度，本文利用希尔伯特-黄( Hilbert-Huang)变换理论中的经验模态分解( EMD)方法将非平稳时间序列分解，使之成为若干个频率单一的本征模态函数分量( IMF)。利用神经网络模型对各个本征模态函数进行预测，将各个预测结果进行重构加权，以提高预测精度。再结合历年旅客运输量来预测其后某段时间内运输量。实验结果表明，算法改进后的预测精度高于神经网络等预测方法。
為提高對非平穩時間序列預測的精度，本文利用希爾伯特-黃( Hilbert-Huang)變換理論中的經驗模態分解( EMD)方法將非平穩時間序列分解，使之成為若榦箇頻率單一的本徵模態函數分量( IMF)。利用神經網絡模型對各箇本徵模態函數進行預測，將各箇預測結果進行重構加權，以提高預測精度。再結閤歷年旅客運輸量來預測其後某段時間內運輸量。實驗結果錶明，算法改進後的預測精度高于神經網絡等預測方法。
위제고대비평은시간서렬예측적정도，본문이용희이백특-황( Hilbert-Huang)변환이론중적경험모태분해( EMD)방법장비평은시간서렬분해，사지성위약간개빈솔단일적본정모태함수분량( IMF)。이용신경망락모형대각개본정모태함수진행예측，장각개예측결과진행중구가권，이제고예측정도。재결합력년여객운수량래예측기후모단시간내운수량。실험결과표명，산법개진후적예측정도고우신경망락등예측방법。
In order to improve the prediction accuracy of non-stationary time series, the paper used Empirical Mode Decomposi-tion( EMD) method of Hilbert-Huang transform theory to decompose non-stationary time series into several IMF components of single frequency. Using the neural network model to predict IMF, the prediction results are reconstructed and weighted. The ac-curacy of prediction will be improved. It can also predict the transport volume in a certain period of time on the basis of the histor-ical passenger data. The experimental results show that the improved algorithm is better than the neural network method, etc.
