MATLABEEMD_LSTM是一种用于时序预测的神经网络方法

有意向获取代码，请转文末观看代码获取方式_{也可转原文链接获取}

1 基本定义

EEMD-LSTM神经网络时序预测算法主要通过融合了扩展经验模态分解（EEMD）与长短期记忆神经网络（LSTM）的技术实现了一种新的时间序列预测模型

基于经验模态分解方法的一种改进算法被称为EEMD。随机噪声被引入到原始信号中，并且这种处理方式使得信号能够在不同尺度上获得充分分解。从而增强了IMF的完整性与精确度。应用EEMD算法后能够将原始时间序列分解为一系列固有模式函数（IMF）以及余项序列。

在深度学习领域中，LSTM常被视为一种流行的方法，在处理涉及长时间序列的问题上表现尤为出色。其架构由遗忘机制、输入机制、输出机制以及存储模块构成，在这些机制之间形成了相互作用的关系网。基于这种架构设计,LSTM具备捕捉时间序列中长期依赖的能力,为时序数据建模提供了强大的工具支持

该算法的基本思路在于将原始时间序列经过 EEMD 分解为若干个 IMFs（Intrinsic Mode Functions），随后分别对待这些 IMFs 运用 LSTM 模型来进行单独预测；为了提高预测精度与鲁棒性，在构建 LST