基于EEMD-ARIMA模型的气温预测研究

摘要

cqvip:采用集合经验模态分解(EEMD)与差分整合移动平均自回归(ARIMA)模型相结合的方法对年均气温数据进行建模预测。首先对年均气温做加噪处理后进行经验模态分解(EMD),使其分量平稳化,然后再对各分量采用ARIMA模型预测,最后将各预测结果叠加得到年均气温的预测值。通过比较发现,EEMD-ARIMA模型比EMD-ARIMA模型及ARIMA模型的预测结果具有更高的精确度。