一种基于EEMD的区域地下水埋深预测方法

摘要

本发明涉及一种基于EEMD的区域地下水埋深预测方法及应用，本文将集合经验模态分解、粒子群算法和极限学习机进行组合，构建了EEMD‑PSO‑ELM的地下水埋深预测模型。首先选用地下水埋深时间序列数据，然后利用EEMD将地下水埋深时序数据分解成若干个IMF分量，根据各分量均值将IMF分量分组叠加为高频部分、低频部分和余项；再针对3个新序列分别构建不同的PSO‑ELM模型，进而得到3组预测值，最后将这些预测值进行叠加，就能得到该地区的地下水埋深的预测值。通过预测精度的检验可以发现，该方法的预测效果很好；与径向基网络模型、PSO‑ELM模型和ELM模型进行对比分析，实验结果表明，EEMD和PSO算法均能有效改善ELM神经网络的预测精度，ELM神经网络在区域地下水埋深预测方面有很大的应用前景。