基于经验模式分解的时间序列数据流在线预测 (2011年)

提出一种通用的时间序列数据流预测方法,算法首先通过经验模式分解方法将从链式重写窗口取得的 数据集分解有限具有特征振荡周期的固有模态函数分量和一个代表原始序列平均趋势的余量;然后对于各个分 量分别建立最大 Lyapunov指数预测模型进行预测;最后将各分量的预测值组合获得最终预测值。通过电力负 荷的预测实验表明,与单一的时间序列数据流预测模型相比,该模型具有较高的预测精度和很好的模型适应性。