科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对居住环境内电磁辐射在周期性规律中混有较多高频分量，导致传统时序建模方法和神经网络方法预测性能受限的问题，提出了一种小波分解与季节性差分自回归滑动平均（seasonal autoregressive integrated moving average， SARIMA）模型相结合的混合预测方法. 该方法根据辐射数据的时频特性，利用SARIMA模型对小波分解得到的主要周期分量和细节分量进行分层预测，以适应居住环境内多种发射源形成的复杂电磁辐射状况. 实验结果表明，该方法不仅比单一时序建模方法以及神经网络方法具有更高的预测准确度，而且具有更强的异常值适应性与稳定性.
- 单位
