ICEEMDAN-PCA-LSTM改进的自适应噪声完备集合经验模态分解-主成分分析法-长短期记忆网络​

ICEEMDAN-PCA-LSTM代码获取戳此处

 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