实用EEMD程序可运行很实用，请需要者下载。

燃气负荷受到天气状况和经济发展等多种因素的影响, 造成燃气变化趋势具有较大的复杂性和特征因子较大的冗余性, 造成预测精度的下降. 为了解决这个问题, 在处理燃气负荷的复杂性中使用EEMD自适应的时频局部化分析方法, 将非线性非平稳的燃气负荷数据分解为平稳的本征模式分量及剩余项. 在解决特征因子之间的冗余性中, 在PCA中加入互信息分析, 使用互信息代替协方差矩阵的特征值选择特征向量, 可以有效避免PCA仅仅考虑特征之间的相关性, 忽略了与燃气负荷值关系的缺点. 最后针对不同的子序列建立对应的LSTM模型, 重构各个分量的预测值产生最后的结果. 使用上海的燃气数据进行验证, 实验结果证明本文提出的方法测试集MAPE达到6.36%, 低于其他模型的误差.

EEMD是分解信号或数据的技术，能够自动将信号按照频率大小分解

里面包含了EMD、EEMD、CEEMDAN、CEEMD，端点分析、包络、频谱分析等等，还有部分应用实例，适合研究信号处理分析，故障诊断方向的人使用，东西比较全。

eemd用于对一维信号的分解，代码每段都有注释，通俗易懂，便于理解，亲测可用

使用matlab，包含eemd分解程序及作图程序

本压缩包是对资料进行整合，整合内容均可用。包括快速emd eemd等资料

对原始信号特征提取后输入人工智能网络进行训练，应用验证数据可得到输出，并进行最优估计

在原有EMD的基础上，对该方法的提高和优化，也有论文对其进行了证实。

提出了基于集合经验模态分解(EEMD)和奇异值(SVD)相结合的微弱信号提取方法和高低频部分的判别准则:采用EEMD把信号分解成几部分,将IMF分为高频段与低频段2部分,对2部分分别进行奇异值处理,叠加得到降噪信号,做出其频谱图,得到所需要的有用信号。此方法可以在未知原信号的情况下提取,并且可以提取信噪比为-15 dB的信号。仿真结果和对比分析表明,此方法能更好地提取微弱特征信号。