时序分解 | Matlab实现SSA-ICEEMDAN麻雀算法优化ICEEMDAN时间序列信号分解

本文主要是介绍时序分解 | Matlab实现SSA-ICEEMDAN麻雀算法优化ICEEMDAN时间序列信号分解，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

时序分解 | Matlab实现SSA-ICEEMDAN麻雀算法优化ICEEMDAN时间序列信号分解

效果一览

在这里插入图片描述

基本介绍

Matlab实现SSA-ICEEMDAN麻雀算法优化ICEEMDAN时间序列信号分解可直接运行分解效果好适合作为创新点（Matlab完整源码和数据)
1.ICEEMDAN方法的分解效果取决于白噪声幅值权重(Nstd)和噪声添加次数(NE)，因此，采用智能优化算法对这2个参数进行优化，适应度函数包括包络熵、样本熵、信息熵、排列熵，可随时切换，完全满足您的需求。
2.直接替换Excel数据即可用，注释清晰，适合新手小白[火]
3.附赠时间序列测试数据，可直接运行main一键出图[闪亮]
4.数据为excel数据，方便替换，运行主程序main即可，可直接运行matlab程序。

程序设计

完整源码和数据获取方式私信博主回复：Matlab实现SSA-ICEEMDAN麻雀算法优化ICEEMDAN时间序列信号分解。

ST = 0.7;%预警值
PD = 0.4;%发现者的比列，剩下的是加入者0.7
SD = 0.2;%意识到有危险麻雀的比重PDNumber = round(pop*PD); %发现者数量
SDNumber = round(SD*PD);%意识到有危险麻雀数量%种群初始化
X0=initialization(pop,dim,ub,lb);
X = X0;
%计算初始适应度值
fitness = zeros(1,pop);
for i = 1:popfitness(i) =  fobj(X(i,:));
end
[fitness, index]= sort(fitness);%升排序
BestF = fitness(1);
WorstF = fitness(end);
GBestF = fitness(1);%全局最优适应度值
for i = 1:popX(i,:) = X0(index(i),:);
end
curve=zeros(1,Max_iter);
GBestX = X(1,:);%全局最优位置
X_new = X;
for i = 1: Max_iterdisp(['第',num2str(i),'次迭代'])BestF = fitness(1);WorstF = fitness(end);R2 = rand(1);for j = 1:PDNumberif(R2<ST)X_new(j,:) = X(j,:).*exp(-j/(rand(1)*Max_iter));elseX_new(j,:) = X(j,:) + randn()*ones(1,dim);end     endfor j = PDNumber+1:pop
%        if(j>(pop/2))if(j>(pop - PDNumber)/2 + PDNumber)X_new(j,:)= randn().*exp((X(end,:) - X(j,:))/j^2);else%产生-1，1的随机数A = ones(1,dim);for a = 1:dimif(rand()>0.5)A(a) = -1;endend AA = A'*inv(A*A');     X_new(j,:)= X(1,:) + abs(X(j,:) - X(1,:)).*AA';endendTemp = randperm(pop);SDchooseIndex = Temp(1:SDNumber); for j = 1:SDNumberif(fitness(SDchooseIndex(j))>BestF)X_new(SDchooseIndex(j),:) = X(1,:) + randn().*abs(X(SDchooseIndex(j),:) - X(1,:));elseif(fitness(SDchooseIndex(j))== BestF)K = 2*rand() -1;X_new(SDchooseIndex(j),:) = X(SDchooseIndex(j),:) + K.*(abs( X(SDchooseIndex(j),:) - X(end,:))./(fitness(SDchooseIndex(j)) - fitness(end) + 10^-8));endend%边界控制