论文部分内容阅读
经验模式分解（Empirical Mode Decomposition，简称EMD）是一种数据驱动的自适应非线性时变信号分解方法，可以把数据分解成具有物理意义的模式函数分量．采用EMD对极移序列进行分解，去除序列中的高频信号，然后基于最小二乘外推（LeastSquaresExtrapolation，简称LSE）和广义回归神经网络（General Regression Neural Network，简称GRNN）的组合模型对去除高频信号的极移序列进行1-10d的超短期预报．实验结果表明：将该模型应用到极移超