混合模型VMD-EFD-DE-BP由二次分解模型VMD-EFD和优化神经网络模型DE-BP两部分组成。二次分解模型VMD-EFD利用VMD得到低频和中频信号,利用经验傅里叶分解EFD进一步分解VMD得到的高频信号,EFD弥补了VMD在高频分解上的能力缺陷。优化神经网络模型利用优化模型DE改进BP神经网络的参数,以提高模型的预测精度。
组合模型VMD-EFD-DE-BP新颖的点主要有:(1)首次利用EFD提高VMD的分解性能,从而得到相比于单分解模型(EMD,CEEMDAN,VMD)具有更好分解效果的二次分解模型VMD-EFD;(2)利用DE对BP模型进行优化,得到的DE-BP相比于BP模型在预测性能上表现更佳。
对于一个风速数据序列data,对其进行VMD分解效果如下,
原始数据data被分解为八个分量V1-V8和残差Res,然后对残差进行EFD分解,得到的分解结果如下,