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。     

主控模态函数及在水位数据分析中的应用

在快速滤波分解信号为最宽带通本征模态函数方法（简称FFDSI方法）的基础上,引入了主控模态函数的概念。将其应用于Chichijima水文站水位信号,从中分解出3个96．93％-主控模态函数,分别代表着不同于调和分潮,且与天体运行规律更加吻合的3种模态潮型。由此可见,主控模态函数在信号分析中的应用价值。