![](https://i-blog.csdnimg.cn/blog_migrate/89c310ad63a0f2feae546ff20d9a42d1.png)
ICEEMDAN(改进的CEEMDAN)
由Colominas等人提出的ICEEMDAN信号处理方法,是由自适应噪声完全集合经验模态分解(CEEMDAN)的基础上发展而来。改进的方法不同于CEEMDAN在分解过程中直接添加高斯白噪声,而是选取白噪声被EMD分解后的第K个IMF分量。ICEEMDAN的主要优点包括:
1.改善了传统EMD方法中的模式混叠问题,使得分解结果更加准确。2.对噪声具有较好的抑制效果,提高了信号的降噪能力。3.可以对多个噪声扰动进行集合平均,进一步提高了分解结果的稳定性和准确性。
所以该模型采用ICEEMDAN特征进行分解,其部分分解效果图如下:
2. 针对输入特征维度过高采用pca进行数据降维,各特征贡献率如下
3.以贡献率95%作为降维标准,将降维结果作为输入特征进,通过长短期记忆网络LSTM进行预测其对比模型由 LSTM、ICEEMDANLSTM、ICCEMDANPCALSTM 其预测效果如下,其中ICCEMDANPCALSTM预测精度最高,效果最好