基于EMD和组合模型的太阳黑子时间序列预测

摘要

太阳黑子是非线性、非平稳、多尺度变化的时间序列,且观测结果大多存在噪声的干扰.针对太阳黑子时间序列预测的复杂性,首先将原始数据序列通过小波去噪进行预处理,然后将去噪后的信号通过EMD分解产生若干个从高频到低频的IMF分量和余项.针对低频分量变化缓慢和高频分量波动性较大的特点,分别采用RBF神经网络模型和SVM模型进行预测,最后将各个分量的预测结果相叠加得到最终预测值.仿真结果表明,该模型具有较高的预测精度.