地磁变化场的MEEMD‐样本熵‐LSSVM预测模型

详细信息   

• 责任者：牛超^c第二炮兵工程大学^e博士 ; 李夕海 ; 易世华 ; 卢世坤 ; 刘代志
• 刊名：武汉大学学报（信息科学版）
• 出版年：2014
• 卷期：39^b5
• 页码：626～630
• 索书号：P810.66/331
• 图表：^c表2参12插图
• 文摘期号：2014/11

摘要

针对地磁变化场时间序列的混沌特性，提出了一种改进的集成经验模态分解(modified ensemble empirical mode decomposition，MEEMD)‐样本熵‐最小二乘支持向量机(least square support vector machine，LSSVM)的地磁变化场预测模型。首先，利用MEEMD‐样本熵将非平稳的地磁变化场时间序列分解为一系列复杂度差异明显的地磁变化场子序列；然后，针对每一个子序列分别建立LSSVM模型，选择各自适合的最优模型参数；最后，以地磁台站实测的地磁变化场数据为例进行实验，并与基于单一LSSVM以及RBF径向基神经网络的两种预测模型进行比较。实验结果表明，MEEMD‐样本熵‐LSSVM模型的预测值能紧跟地磁变化场的变化趋势，相比另外两种模型，体现出更好的预测效果，在地磁K_p指数小于3时，预测3h平均绝对误差为1.63 nT。