基于EMD和ELM相结合的门诊量预测模型研究

针对门诊量波动幅度较大的时间序列预测问题，先采用经验模态分解(EMD)将非线性较强的原始数据进行分解，然后通过极限学习机(ELM)将分解后的各个序列分量进行建模，最后将各个分量的预测值相加得出最终结果。将BP神经网络、ELM两个单一模型与EMD-ELM组合模型进行对比验证，实验结果表明组合模型的精准度明显好于两个单一模型。