[發明專利]一種太陽黑子月均值的混合預測方法

在審

• 申請號: 201810308301.9
• 申請日: 2018-04-08
• 公開（公告）號: CN108549956A
• 公開（公告）日: 2018-09-18
• 發明（設計）人: 楊宏;馬驍;李國輝;鄭蒙濤;李正春
• 申請（專利權）人: 西安郵電大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/00;G06N3/08
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 徐文權

1.一種太陽黑子月均值的混合預測方法，其特征在于，包括如下步驟：

步驟S1，獲取訓練樣本，通過VMD變分模態分解將訓練樣本時間序列分解成多個IMFs，所述訓練樣本為太陽黑子歷史月均實際數據；

步驟S2，將步驟S1中得到的每個IMF分量的數據分別進行歸一化處理；

步驟S3，建立FA-BP預測模型，將步驟S2中的每個歸一化處理的IMF分量的數據分別輸入FA-BP預測模型，對FA-BP預測模型進行訓練，訓練完成后，預測每一個IMF分量的預測值；

步驟S4，將每個IMF分量的預測值累加，得到最終的預測結果。

2.如權利要求1所述的一種太陽黑子月均值的混合預測方法，其特征在于，步驟S3中，建立FA-BP預測模型，將步驟S2中的每個歸一化處理的IMF分量的數據分別輸入FA-BP預測模型，對FA-BP預測模型進行訓練包括：

初始化BP神經網絡，根據訓練樣本確定每層神經元的個數，計算權值數和閾值數；

輸入訓練樣本，初始化螢火蟲算法參數，將BP神經網絡的權值和閾值視為種群中的螢火蟲個體；

進入螢火蟲算法迭代更新過程，搜索適應度最優個體權值和閾值；

將最優個體權值和閾值傳回BP神經網絡，對FA-BP預測模型進行訓練。

3.如權利要求1所述的一種太陽黑子月均值的混合預測方法，其特征在于，步驟S4之后還包括：

計算預測結果的均方根誤差值RMSE；

其中，計算均方根誤差值RMSE的公式為：

式中，為預測結果數據，x(t)為預測樣本數據，所述預測樣本為訓練樣本時間之后的太陽黑子歷史月均實際數據。

4.如權利要求1所述的一種太陽黑子月均值的混合預測方法，其特征在于，步驟S4之后還包括：

計算預測結果的平均絕對誤差值MAE；

其中，計算均方根誤差值RMSE的公式為：

式中，為預測結果數據，x(t)為預測樣本數據，所述預測樣本為訓練樣本時間之后的太陽黑子歷史月均實際數據。