太阳黑子月均值是典型的混沌时间序列，具有较强的非线性和非平稳特征，能够反映太阳活动的真实水平。采用一种应用集合经验模态分解（EnsembleEmpiricalModeDecomposition，EEMD）与径向基函数（RadialBasisFunction，RBF）神经网络组合的预测模型。通过EEMD将原始时间序列分解为若干个不同时间尺度的本征模态函数（IntrinsicModeFunction，IMF）分量，并对这些分量进行建模预测，再将各分量的预测值重构得到原始时间序列的预测值，这样不仅降低了算法的复杂性，而且有利于提高模态分量包含信息的物理意义。仿真结果表明，与经验模态分解