噪声抑制更优
在VMD-LSTM基础上对残差项进行二次分解，有效降低噪声影响，预测精度显著提升。
Hongkang, Chen · 鲁铁定 · Jiahui, Huang · He, Xiaoxing · 余科根 · Xiwen, Sun · 马下平 · 黄征凯
Remote Sensing 2023
对VMD分解后的残差项再执行变分模态分解，提取其中的波动特征，减少VMD-LSTM模型中残差项带来的预测误差。
在多个GNSS测站的日坐标数据上验证，与VMD-LSTM相比，所有测站的预测性能均显著提升，平均RMSE降低9.86%、平均MAE降低9.44%、平均R²提升17.97%。
预测结果的最优噪声模型精度平均提升36.50%，速度精度平均提升33.02%，表明模型能更准确地刻画噪声特性，从而提高预测结果可靠性。