首页|基于EEMD和ARIMA的海温预测模型研究

基于EEMD和ARIMA的海温预测模型研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
类型丰富、时空分辨率高的海洋探测数据,为信号分解和机器学习算法的应用提供了可能.本文针对如何建立有效的海温预测模型这一问题,使用高时空分辨率的海表温度(SST)融合产品,引入信号处理领域的集合经验模态分解(EEMD)和机器学习领域的自回归积分滑动平均模型(ARI-MA).首先利用最适于分解自然信号的EEMD方法,将海温数据分解成多个确定频率的序列;再利用ARIMA分别对各个频率的序列进行预测,最后将各个序列的预测结果进行组合.该方法在丰富数据的支撑下,比以往直接使用海温数据所建立的预测模型精度更高,为更好地进行海温预测提供了新方法.
Study on time series prediction model of sea surface temperature based on Ensemble Empirical Mode Decomposition and Autoregressive Integrated Moving Average

张莹、谭艳春、彭发定、廖杏杰、余昱昕

展开 >

广东海洋大学 数学与计算机学院,广东 湛江 524088

广东海洋大学 电子与信息工程学院,广东 湛江 524088

集合经验模态分解 机器学习 自回归积分滑动平均模型 海表温度

广东省普通高校重点科研项目广东省大学生创新创业训练计划项目资助"海之帆"起航计划科技发明制作类项目资助

2018KTSCX091CXXL2019082qhjhkj201806

2019

海洋学研究
中国海洋学会 浙江省海洋学会 国家海洋局第二海洋研究所

海洋学研究

CSTPCDCSCD北大核心
影响因子：0.323
ISSN：1001-909X
年,卷(期)：2019.37(1)
  • 7
  • 7