一种面向COVID-19的经验模态分解模糊预测方法

摘要

发明公开了一种面向COVID‑19的经验模态分解模糊预测方法，适于疫情预测领域，步骤包括：新冠疫情原始数据使用经验模态分解算法，得到不同时间尺度下数据的变化趋势；将得到的数据用大小为1*(c+1)的窗口，以步长为1，使用极限学习机进行滑动训练，得到不同时间尺度下的预测值；使用自适应模糊推理系统对训练结果进行拟合，得到最终预测值。该方法在保证学习精度的前提下，简化了训练过程，提升了算法运行速度和泛化能力，同时解决了过拟合和局部最小等问题，能够很好地满足了用户对预测系统中的高准确率的要求，具有切实可行的应用前景和实用价值。