公开(公告)号：CN101846753A

公开(公告)日：2010-09-29

申请号：CN201010159898.9

申请日：2010-04-29

Applicant: 南京信息工程大学

Inventor： 毕硕本 ,  徐寅 ,  陈譞 ,  王必强 ,  董学士

IPC: G01W1/10 ,  G06N99/00

Abstract: 本发明公布了一种基于经验模态分解和支持向量机的气候时序预测方法，属于短期气候预测领域。本发明首先通过经验模态分解算法进行时间序列的预处理，分解成若干个本征模态函数分量和一个趋势分量，这些分量更能准确反映原序列的变化，并保留时间序列本身特征；接下来通过时间序列预测方法对每个分量进行相空间重构，再分别构建不同的支持向量机回归模型进行预测，将各分量预测的结果线性组合成原序列的预测结果。本发明的优点在于借助经验模态分解算法进行时间序列的平稳化处理，在保留时间序列本身特征的基础上减少序列间的干扰或耦合信息，使得预测的准确率更高，特别适合处理逐年降水或温度变化的非平稳气候时间序列。

公开(公告)号：CN101852871A

公开(公告)日：2010-10-06

申请号：CN201010182667.X

申请日：2010-05-25

Applicant: 南京信息工程大学

Inventor： 毕硕本 ,  陈譞 ,  徐寅 ,  王必强 ,  马燕

IPC: G01W1/10

Abstract: 本发明公布了一种基于经验模态分解和数值集合预报的短期气候预测方法，本发明使用数值集合预报技术与均生函数逐步回归模型相整合的方式，并结合了经验模态分解(EMD)这种处理数据序列的新方法，首先将非平稳的气候数据序列分解成平稳的、多尺度特征的本征模态函数分量(IMF)，再对每一个IMF使用集合预报与逐步回归分析相结合的方式构建不同的预报模型，最后线性拟合成预报结果。使用本发明的系统进行短期气候预测时，用户可以根据实际数据需要截取指定的序列长度和预报长度，并且针对性的选取集合预报过程中的预报模型参数。本发明相对于直接预测和单一预测方法，对于气候的变化趋势以及突发性气候具有更好的预报能力。