基于CEEMD-Elman耦合模型的年降水量预测

科学、准确的降水量预测对区域水资源管理、防洪减灾以及水环境保护具有重要的指导意义。降水是一个受多种因素影响的复杂系统,致使其演变具有多维性、随机性与不确定性。"分解—预测—重构"是非线性时间序列预测的重要方式之一,在EMD与EEMD的基础上改进的CEEMD,不仅能将非平稳序列分解为几个平稳性较好的固有模态(IMF),而且可以有效降低时间序列的重构误差;结合Elman神经网络的较强非线性拟合能力,构建基于CEEMD-Elman的降水量预测耦合模型,并将其应用于郑州市年降水量的预测。结果表明:CEEMD-Elman耦合模型预测的平均绝对误差、均方根误差、平均相对误差均较小,其模型要优于EEMD-Elman模型、EMD-Elman模型和Elman模型,具有较好的适应性。