论文部分内容阅读
为提高非平稳性、非线性降水序列的预测精度,利用基于集合经验模态分解和广义神经网络的预测模型对郑州市1951—2011年的年降水量序列进行了分析。结果表明:集合经验模态分解减弱了经验模态分解IMF分量的模态混叠现象,提高了广义神经网络的预测精度;相对于经验模态分解的广义神经网络和传统的ARMA方法,基于集合经验模态分解的广义神经网络的预测结果更加精确,具有收敛速度快及预测精度高等特点。