排序方式: 共有1条查询结果,搜索用时 31 毫秒
1
1.
针对模型的输入数据优化问题,本文提出一种基于互补集总经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)小波联合去噪的神经网络碳排放预测方法。首先,采用CEEMD小波联合去噪对数据进行去噪提纯;其次,运用优化后的训练样本和输入数据建立碳排放量预测模型;最后,以“一带一路”主要经济体碳排放量为例,运用改进模型和传统模型分别进行试验仿真。仿真结果表明:经CEEMD小波联合去噪后的时序数据纯度更高,更加平稳;改进后的模型预测拟合效果更优、误差更小。此外,本文进行碳排放外推预测,结果表明:使用CEEMD小波联合去噪联合反向传播(back propagation algorithm, BP)神经网络、模糊神经网络模型在预测中具有可观的容错性能及精确度。 相似文献
1