基于EMD的相空間重構極限學習機的短期氣象要素預測方法及其應用研究.pdf

1、自古以來，氣象科學的時效性和準確性影響到人類生產生活的方方面面，決定著社會的發(fā)展和穩(wěn)定。隨著時代的進步，人類對于氣象科學的需求不斷提升，但是某些方法或多或少存在著不同程度的問題，例如模型準確率不高，建模時間過久，受噪音影響太大等等，如何建立更加準確，有效的預測模型，是現(xiàn)今氣象領域的一個重點科研話題。針對這一話題，本文提出了基于經驗模態(tài)分解技術的相空間重構極限學習機的預測模型，對時序序列數(shù)據(jù)進行建模，采用經驗模態(tài)分解技術來對數(shù)據(jù)進行去噪，

2、利用相空間技術進行模式抽取，使得重構后的數(shù)據(jù)更加適合模型的構建，最后運用極限學習機技術進行建模。并且在真實的氣象數(shù)據(jù)集上對所采用的三種技術以及所建立的模型進行性能測試，驗證模型的有效性，對比于其他模型的，分析其優(yōu)越性。
　　本文所做的主要內容有以下三點：
　　1）針對目前氣象要素中的單要素時序序列數(shù)據(jù)的預測模型所存在的噪音問題，以及預測模型準確率不夠高的問題，本文提出了基于經驗模態(tài)分解方法的相空間重構極限學習機的預測模型的構

3、建。利用經驗模態(tài)分解技術，對原始數(shù)據(jù)進行去噪處理，降低其他不確定因素對于觀測數(shù)據(jù)的影響，為后續(xù)處理提供更加有效準確的數(shù)據(jù)；對于時序序列數(shù)據(jù)，直接進行模型的構建存在一定的難度并且不容易獲得成功的模型，為了有效恢復其動力學系統(tǒng)，從而使得重構后的數(shù)據(jù)更加適合規(guī)則的提取和模型的構建，本文采用相空間重構技術對氣象單要素的一維時序序列的原動力學系統(tǒng)進行研究與拓撲重現(xiàn)；對于重構后的數(shù)據(jù)，采用極限學習機技術進行模型的構建，能夠快速構建預測模型并且能有效

4、保證模型的泛化能力。
　　2）通過對經驗模態(tài)分解方法原理的研究，本文分析了本征模函數(shù)分量篩選算法中閾值設定所存在的不足并進行了相應的改進。相對于傳統(tǒng)的方式，本文給出一個新的定義公式，實現(xiàn)對于不同的分量能夠憑借當前本征模函數(shù)分量的相關信息，設定動態(tài)篩選閾值，有效的選擇相關性符合的本征模函數(shù)分量進行數(shù)據(jù)重組。動態(tài)的閾值設定能夠更加有效的判定臨界本征模函數(shù)分量的具體歸屬問題，改善去噪之后的數(shù)據(jù)質量，克服了主觀性。
　　3）在真實的

5、氣溫要素這種一維時序序列數(shù)據(jù)上對預測模型中相關參數(shù)的選定進行了測試分析，并對所構建的預測模型與改進的基于動態(tài)篩選閾值的經驗模態(tài)分解方法所生成的模型（稱為改進后的預測模型）進行了性能測試和結果分析，并與幾個其他模型性能的相關數(shù)據(jù)進行了對比分析，測試結果與對比分析表明了本文所提出改進后的預測模型具有較好的預測精度，基本能夠達到人們生產生活對于氣象預測的需求。
　　最后，本文給出了目前所闡述的模型仍然存在的可改進之處，確定了后續(xù)的研究方