基于经验模态分解与神经网络的信号预测

利用经验模态分解在处理非线性、非平稳信号以及人工神经网络可以较好地处理非线性问题的优点,通过经验模态分解把加入噪声的仿真信号分解成几个本征模态函数分量和一个趋势项,在分解过程中采用两种方法处理端点效应问题,结果表明两种方法都能很好的解决端点问题,然后对每个分量分别运用径向基函数神经网络进行预测,并重构出最后的预测结果。与不经EMD处理直接运用神经网络进行预测及真实数据进行对比,结果表明,相对于直接预测,该方法具有更好的预测效果。     

极点对称模态分解下中国新疆温度变化趋势的区域特征

基于新疆16个国际交换站1957-2012年年平均温度时间序列,利用极点对称模态分解(ESMD)方法,分析了新疆温度序列的非线性趋势变化特征,并对其空间差异进行了初步探讨。结果表明：50多年来,新疆年平均温度整体上呈现出显著的非线性上升趋势,且其变化存在明显的年际尺度(2年和8年)和年代际尺度(10年和25年);各分量方差贡献率显示年际变化在新疆整体温度变化中占据主导地位,重构的年际变化趋势能精细刻画原始温度序列在研究时期内的波动状况;重构的年代际变化揭示了新疆在1997年前后气候模态有了显著转换,由原来温度以负相位为主的气候模态转向正相位显著的高温气候模态;年平均温度非线性变化趋势具有明显的区域差异,北疆以上升为主,东疆表现出先降后升,南疆变化较为复杂。同时,结果还表明ESMD是一种很好的甄别大尺度循环和非线性趋势的方法。