《表1 各IMF分量合并后的新子序列》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于CEEMDAN-SE和LSTM神经网络的PM_(10)浓度预测》
注:HSE(n)为IMFn的样本熵值。
为减小计算规模,以更有效地对PM10浓度进行预测,采用样本熵理论对CEEMDAN分解得到的各IMF分量进行复杂度评估,分别计算剩余各分量的样本熵值,结果见表1。各IMF分量的样本熵值的分布如图5所示。
图表编号 | XD00132657100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.01 |
作者 | 梁涛、谢高锋、米大斌、姜文 |
绘制单位 | 河北工业大学人工智能与数据科学学院、河北工业大学人工智能与数据科学学院、河北建投能源投资股份有限公司、河北建投能源投资股份有限公司 |
更多格式 | 高清、无水印(增值服务) |