海河流域汛期降水量多尺度分析及预测研究

文章利用完全集合经验模态分解(CEEMDAN)方法,对海河流域汛期(6~9月)降水进行多尺度分析,并识别其演变模式,获得各本征模函数(IMF),然后结合利用最近邻抽样回归模型(NNBR)、自回归模型(AR)、神经网络模型等多种方法对分解的各模态进行建模,选出最佳模型进行预测。经过对比分析,各模态最佳模型分别为神经网络模型与AR模型。因此文章采用CEEMDAN与神经网络及AR模型相结合的方法对海河流域汛期降水进行预测,并且同回归模型及单一的NNBR模型的预测值作比较研究。结果表明文章采用的模型稳定性好,能合理的预测海河流域汛期降水演变趋势,提高中长期汛期降水预测精度,具有一定的应用价值。