风速预测：混合模型VMD-EEMD-LSTM-LSSVM

混合模型VMD-EEMD-LSTM-LSSVM由二次分解模型VMD-EEMD和误差修正模型LSTM-LSSVM两部分组成。二次分解模型是在单分解模型基础上发展而来，通过结合不同分解模型的优点以达到比单分解模型更好的分解效果。误差修正模型通过利用模型拟合时的剩余残差对模型预测值进行修正以提高模型预测精度。

组合模型VMD-EEMD-LSTM-LSSVM较为新颖的点主要有：（1）利用EEMD提高VMD的分解性能，从而得到相比于单分解模型（EMD,CEEMDAN,VMD）具有更好分解效果的二次分解模型VMD-EEMD；（2）利用LSSVM对LSTM进行误差修正，得到的LSTM-LSSVM相比于LSTM在预测性能上表现更佳。

对于一个风速数据序列data，对其进行VMD分解效果如下，

原始数据data被分解为八个分量V1-V8和残差Res，然后对残差进行EEMD分解，得到的分解结果如下，

可以看出，EEMD将剩余高频分量分解为简单的低频分量从而提高VMD的分解性能，分解结果为9个IMF和1个残差。

LSTM-LSSVM通过LSSVM对LSTM进行误差修正，以分解曲线V4为例，得到的原始曲线，LSTM拟合曲线和残差为，

此时LSTM得到初始预测值，LSSVM对误差进行预测得到修正值，两者相加得到最终的预测值。

对data以8：2划分训练集和测试集，进行一步，两步和三步预测，建立10个对比模型，得到的误差指标MAE,RMSE,MAPE为，

可以看到，混合模型VMD-EEMD-LSTM-LSSVM的预测精度在多步风速预测中都最高，二次分解模型VMD-EEMD和误差修正LSTM-LSSVM都在整体模型的性能提升中起到了积极作用。

具体代码-闲鱼搜索书院门登山的青果。