[发明专利]基于ICEEMDAN与极限学习机的中长期径流预测方法

摘要

本发明公开了一种基于ICEEMDAN与极限学习机的中长期径流预测方法。主要包括：运用改进的自适应噪声完备经验模态分解（ICEEMDAN）将含有复杂频率信息的序列分解为多个含有单一频率信息的固有模态函数（IMF），在此基础上对各阶分量分别建立极限学习机（ELM）模型进行预测并重构。将上述两种方法结合的ICEEMDAN‑ELM模型，能有效地挖掘径流数据所包含的信息，并将各IMF分量应用于预测速度更快的ELM中，将此模型用于径流预测，能够在保证预测精度的条件下极大提高预测效率，对中长期径流预测具有借鉴意义。

主权项

1.基于ICEEMDAN与极限学习机的中长期径流预测方法，其特征在于，包括以下步骤：步骤一：获取径流序列x,并将其分为训练样本和测试样本；步骤二：利用ICEEMDAN将径流序列分解为若干IMF分量和一个趋势项；步骤三：将IMF分量及趋势项分别输入ELM模型进行预测；步骤四：将各IMF分量及趋势项的预测结果重构，得到最终径流序列预测值。