《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） |
