[发明专利]一种太阳黑子月均值的混合预测方法

权利要求书

1.一种太阳黑子月均值的混合预测方法，其特征在于，包括如下步骤：

步骤S1，获取训练样本，通过VMD变分模态分解将训练样本时间序列分解成多个IMFs，所述训练样本为太阳黑子历史月均实际数据；

步骤S2，将步骤S1中得到的每个IMF分量的数据分别进行归一化处理；

步骤S3，建立FA-BP预测模型，将步骤S2中的每个归一化处理的IMF分量的数据分别输入FA-BP预测模型，对FA-BP预测模型进行训练，训练完成后，预测每一个IMF分量的预测值；

步骤S4，将每个IMF分量的预测值累加，得到最终的预测结果。

2.如权利要求1所述的一种太阳黑子月均值的混合预测方法，其特征在于，步骤S3中，建立FA-BP预测模型，将步骤S2中的每个归一化处理的IMF分量的数据分别输入FA-BP预测模型，对FA-BP预测模型进行训练包括：

初始化BP神经网络，根据训练样本确定每层神经元的个数，计算权值数和阈值数；

输入训练样本，初始化萤火虫算法参数，将BP神经网络的权值和阈值视为种群中的萤火虫个体；

进入萤火虫算法迭代更新过程，搜索适应度最优个体权值和阈值；

将最优个体权值和阈值传回BP神经网络，对FA-BP预测模型进行训练。

3.如权利要求1所述的一种太阳黑子月均值的混合预测方法，其特征在于，步骤S4之后还包括：

计算预测结果的均方根误差值RMSE；

其中，计算均方根误差值RMSE的公式为：

式中，为预测结果数据，x(t)为预测样本数据，所述预测样本为训练样本时间之后的太阳黑子历史月均实际数据。

4.如权利要求1所述的一种太阳黑子月均值的混合预测方法，其特征在于，步骤S4之后还包括：

计算预测结果的平均绝对误差值MAE；

其中，计算均方根误差值RMSE的公式为：

式中，为预测结果数据，x(t)为预测样本数据，所述预测样本为训练样本时间之后的太阳黑子历史月均实际数据。