时序预测 | MATLAB实现基于EMD-LSTM时间序列预测(EMD分解结合LSTM长短期记忆神经网络)
效果一览
基本描述
MATLAB实现基于EMD-LSTM时间序列预测(EMD分解结合LSTM长短期记忆神经网络)。经验模态分解( empirical mode decomposition,EMD)是一种新的处理非平稳信号的方法——希尔伯特——黄变换的重要组成部分。EMD 方法在理论上可以应用于任何类型的信号的分解, 因而在处理非平稳及非线性数据上,具有非常明显的优势,适合于分析非线性、非平稳信号序列,具有很高的信噪比。
模型描述
为了从原始信号中分解出内模函数,经验模态分解方法,过程如下:
(1)找到信号x(t)所有的极值点;
(2)用3次样条曲线拟合出上下极值点的包络线emax(t)和emin(t),并求出上下包络线的平均值m(t),在x(t)中减去它:h(t)=x(t)-m(t);
(3)根据预设判据判断h(t)是否为IMF;
(4)如果不是,则以h(t)代替x(t),重复以上步骤直到h(t)满足判据,则h(t)就是需要提取的 IMFCK(t);
(5)每得到一阶IMF,就从原信号中扣除它,重复以上步骤;直到信号最后剩余部分rn就只是单调序列或者常值序列。
程序设计
参考资料
[1] https://blog.csdn.net/kjm13182345320/article/details/127596777?spm=1001.2014.3001.5501
[2] https://download.csdn.net/download/kjm13182345320/86830096?spm=1001.2014.3001.5501