一、EMD简介
1 经验模态分解
EMD的本质是由数据的特征时间尺度来获得数量不同的本征模函数（intrinsic mode function,IMF），不同的本征模分量IMF代表不同的特征波动序列，使原始数据的波动特征在不同时间尺度下突显出来，由于5种环境时间序列具有一定的随机性和间断性，通过EMD分解，可在丰富输入变量多样性的同时，根据得到的IMF分量，突出环境序列在不同时间尺度下的局部特性，反映出原始环境序列的波动性、周期性和趋势变化，其具体分解过程如下：
1）对于一个原始数据序列x(t)，找到它所有的极大值点确定为上包络线，所有极小值点确定为下包络线，m(t)表示上包络线和下包络线的均值，第1个分量h1(t)=x(t)-m(t);
2）在第2个筛选过程中，h1(t)被视作原始数据，m1(t)是h1(t)的上下包络线的均值，如步骤1）所示确定第2个分量h2(t);
3）筛选过程重复n次，直到是hn(t)是一个本征模态函数或剩余分量rn(t)为一个单调函数，终止分解过程；
4）综上，指定q1(t)=h1(t),q2(t)=h2(t)，···，qk(t)=hn(t),x(t)最终分解为n个本征模分量qi(t)和一个剩余分量rn(t)，如式（2）所示。
2 主成分分析
经过
