本文仅对集合经验模态分解算法(EEMD)的原理简单介绍和重点介绍模型的应用。
1、EEMD原理
集合经验模态分解算法(EEMD)是EMD的一种改进方法,其最大的优点就是克服了EMD模态混叠现象。
2、 VMD应用实战
2.1 简介
研究方向是时间序列数据预测,采用的数据都是时间序列数据,本次实验的数据集是海浪高度数据信息。
2.2 数据集
链接:https://pan.baidu.com/s/1H-g_FkGHqTJD9nTzbnnzog
提取码:604m
对数据进行预处理等操作,在此不做介绍。后面有时间,可以专门介绍一下预处理的操作方式。
2.3 实验
实验代码演示
import pandas as pd
import numpy as np
##载入时间序列数据
def get_data(path,i):
data = pd.read_csv(path,usecols=[i])
data = data.values
return data
def get_eemd(data):
"""
信号参数:
N:采样频率500Hz
tMin:采样开始时间
tMax:采样结束时间 2*np.pi
"""
def plot_imf(data_value,E_IMFs):
# 保存分量
def save_imf(E_IMFs):
def test():
path = "sample.csv"
data = get_data(path,0)
E_IMFs = get_eemd(data)
plot_imf(data,E_IMFs)
save_imf(E_IMFs)
if __name__ =="__main__":
test()
2.3 结果
分量可视化
频率可视化
3. 总结
首先,确定数据集中的数据形式;
其次,找到相关的代码模型,进行调试;
接着,将你的数据集输入到模型中,进行实验;
最后,根据实验结果进行相关分析。
注意
要代码私信我,会发的。