检索结果-内蒙古大学图书馆

电测与仪表 2023年第2期60卷 126-131,146页

作者：阳曾丁施尹叶萌李晶薛书倩吴昊天广东电网有限责任公司广州供电局电力调度控制中心广州510000 北京清软创新科技股份有限公司北京100085 华北电力大学北京102206

提升负荷预测的准确性对于指导电力系统的生产计划、经济调度以及稳定运行至关重要。提出一种基于变分模态分解(Variational Mode Decomposition,VMD)和长短期记忆(Long Short Term Memory,LSTM)神经网络的短期负荷预测模型。利用VMD算... 详细信息

提升负荷预测的准确性对于指导电力系统的生产计划、经济调度以及稳定运行至关重要。提出一种基于变分模态分解(Variational Mode Decomposition,VMD)和长短期记忆(Long Short Term Memory,LSTM)神经网络的短期负荷预测模型。利用VMD算法将负荷序列分解成不同的本征模态函数(Intrinsic Mode Functions,IMF),每个IMF结合LSTM进行预测,将各部分预测结果叠加得到VMD-LSTM模型的预测结果。分析实验结果,相比单一LSTM和经验模态分解(Empirical Mode Decomposition,EMD)组合LSTM预测方法,该方法能有效的提升负荷预测的准确性。

关键词：短期负荷预测变分模态分解本征模态函数长短期记忆神经网络

来源：评论

学校读者我要写书评

暂无评论

基于EMD的长周期地震动分量提取方法

引用

土木与环境工程学报（中英文） 2021年第3期43卷 119-127页

作者：谭潜李英民杨永斌中机中联工程有限公司重庆400039 重庆大学土木工程学院重庆400045

在实际地震记录形成过程中存在高、低频成分地震波的叠加,地震动高、低频成分的组成是地震动反应谱特征的重要反映。采用数字滤波技术,以加速度反应谱平均周期2 s为截止周期,结合经验模态分解,提取2 s以上的本征模态函数及残值重构并基... 详细信息

在实际地震记录形成过程中存在高、低频成分地震波的叠加,地震动高、低频成分的组成是地震动反应谱特征的重要反映。采用数字滤波技术,以加速度反应谱平均周期2 s为截止周期,结合经验模态分解,提取2 s以上的本征模态函数及残值重构并基线校正后作为长周期分量,其余本征模态函数重组为短周期分量;通过原地震动与分量的相关性、反应谱的离散性对提取方法的有效性进行验证,并与既有方法进行对比。结果表明:该长周期地震动分量提取方法能较好地提取出在长周期和短周期部分与原地震动具有较好的相关性、地震反应谱离散性较小的长、短周期分量,且较好地反映原地震动的谱特征,在长周期地震动分量提取中具有更好的适应性。

关键词：长周期地震动经验模态分解本征模态函数反应谱频谱参数长周期分量

来源：评论

学校读者我要写书评

暂无评论

基于经验模式分解的CORS站高程时间序列分析

引用

大地测量与地球动力学 2012年第3期32卷 129-134页

作者：张恒璟程鹏飞辽宁工程技术大学测绘与地理科学学院阜新123000 中国测绘科学研究院北京100830

提出基于经验模式分解技术的GPS高程时间序列时频分析方法,并以两个CORS基准站多年连续的高程时间序列数据为对象,获取序列信号的各个本征模态函数分量,研究了信号周期运动的主要贡献分量和序列趋势项的合成与分离的方法。结果表明:在... 详细信息

提出基于经验模式分解技术的GPS高程时间序列时频分析方法,并以两个CORS基准站多年连续的高程时间序列数据为对象,获取序列信号的各个本征模态函数分量,研究了信号周期运动的主要贡献分量和序列趋势项的合成与分离的方法。结果表明:在一定的序列区间长度上识别周期项与趋势项才有意义;经验模式分解技术分离的序列趋势项呈现大曲率的非线性形式,与传统的周期函数高程序列拟合线性趋势项存在较大的差异。

关键词：经验模式分解本征模态函数趋势项 GPS高程时间序列方差贡献率

来源：评论

学校读者我要写书评

暂无评论

星载电场数据处理方法研究

引用

地球物理学进展 2012年第1期27卷 83-91页

作者：安张辉元丽华范滢滢刘君谭大诚陈军营郑国磊中国地震局地震预测研究所兰州科技创新基地兰州730000 中国地震局兰州地震研究所兰州730000 兰州理工大学理学院兰州730050

给出一种新的非线性、非平稳信号的处理方法——HHT方法,并把该方法首次应用于星载电场数据处理中.以2004年9月15日菲律宾6.0级地震前两天(13日)DEMETER卫星经过震中区域上空所记录到的数据为例,对ULF频段的电场数据进行了处理,得到了... 详细信息

给出一种新的非线性、非平稳信号的处理方法——HHT方法,并把该方法首次应用于星载电场数据处理中.以2004年9月15日菲律宾6.0级地震前两天(13日)DEMETER卫星经过震中区域上空所记录到的数据为例,对ULF频段的电场数据进行了处理,得到了相应的HHT时频图谱.另外,还利用DEMETER卫星中心网站提供的SWAN软件计算得到了相应的小波变换时频图谱,通过比较发现,虽然两种方法对异常信号出现的位置时刻的描述有相同的能力,但HHT方法在异常信号的细节描述上更为清晰,从而为今后进一步的研究工作奠定了基础.

关键词： DEMETER卫星电场数据处理 HHT方法本征模态分解本征模态函数

来源：评论

学校读者我要写书评

暂无评论

广西夏季降水的多时间尺度特征及影响因子

引用

应用气象学报 2013年第5期24卷 565-575页

作者：覃志年胡娅敏陈丽娟广西壮族自治区气候中心南宁530022 广东省气候中心广州510080 广东省广州市气候与农业气象中心广州510080 国家气候中心中国气象局气候研究开放实验室北京100081

利用1951—2011年广西夏季降水站点资料和NCEP/NACR等多种再分析资料,通过相关分析、经验模态分解、统计检验分析了广西夏季降水的多时间尺度特征及其影响因子,利用多元线性回归方法对夏季降水进行拟合和预测试验。结果显示:广西夏季降... 详细信息

利用1951—2011年广西夏季降水站点资料和NCEP/NACR等多种再分析资料,通过相关分析、经验模态分解、统计检验分析了广西夏季降水的多时间尺度特征及其影响因子,利用多元线性回归方法对夏季降水进行拟合和预测试验。结果显示:广西夏季降水具有多时间尺度特征,不同时间尺度对应着环流因子不同时间尺度的分量;在准2年尺度上,主要影响因子为季风槽、低空急流、高空急流、贝加尔湖高度场、南印度洋东部海温。利用对广西夏季降水影响显著的环流因子本征模态函数分量和多元线性回归方法拟合夏季降水,相关系数为0.73,表明广西夏季降水是环流因子多时间尺度共同作用的结果。利用前期冬季南印度洋东部海温异常本征模态函数作为前兆因子预报广西夏季降水,6个独立样本检验显示预测与实况趋势一致,该工作可供利用多时间尺度信息进行区域气候预测参考。

关键词：夏季降水多时间尺度经验模态分解本征模态函数

来源：评论

学校读者我要写书评

暂无评论

基于二次CEEMD与时域特征分析的去噪方法

引用

电子测量与仪器学报 2023年第3期37卷 222-229页

作者：周航丁建林川李相强西南交通大学电气工程学院成都611756 中国电波传播研究所电波环境特性及模化技术重点实验室青岛266107 西安电子科技大学综合业务网理论及关键技术国家重点实验室西安710071 西南交通大学物理科学与技术学院成都610031

为克服经验模态分解(EMD)去噪方法存在的模态混叠以及噪声分量与信号分量区分困难问题,本文提出了一种基于二次互补集合经验模态分解(CEEMD)与时域特征分析的去噪方法。该方法利用CEEMD来克服模态混叠问题,同时基于对CEEMD本征模态函数(... 详细信息

为克服经验模态分解(EMD)去噪方法存在的模态混叠以及噪声分量与信号分量区分困难问题,本文提出了一种基于二次互补集合经验模态分解(CEEMD)与时域特征分析的去噪方法。该方法利用CEEMD来克服模态混叠问题,同时基于对CEEMD本征模态函数(IMF)的时域特征分析来确定噪声主导IMF分量与信号主导IMF分量的分界点,据此区分噪声分量与信号分量,并对分界点相邻两侧的噪声主导IMF分量与信号主导IMF分量进行二次CEEMD分解,在保留更多有用信号的同时进一步滤除剩余噪声。对含冲击噪声干扰的实际机载平台数据的去噪实验结果表明,新方法通过对噪声分量与信号分量的有效分离,可以更好地抑制噪声干扰,明显提升信噪比。

关键词：经验模态分解时域特征分析本征模态函数去噪

来源：评论

学校读者我要写书评

暂无评论

HHT方法在地电场数据处理中的应用

引用

地球物理学进展 2010年第2期25卷 525-532页

作者：安张辉元丽华李宁范滢滢谭大诚陈军营郑国磊中国地震局兰州地震研究所兰州730000 中国地震局地震预测研究所兰州科技创新基地兰州730000 兰州理工大学理学院兰州730050

较为详细地介绍了一种新的非线性、非平稳信号的处理方法 HHT(Hilbert-Huang Transform)方法,阐述了该方法的创新性,并对其有效性进行了数值检验.把该方法应用于新疆和田地电场台站和陕西西安地电场台站的观测数据,得到了各自的经验模... 详细信息

较为详细地介绍了一种新的非线性、非平稳信号的处理方法 HHT(Hilbert-Huang Transform)方法,阐述了该方法的创新性,并对其有效性进行了数值检验.把该方法应用于新疆和田地电场台站和陕西西安地电场台站的观测数据,得到了各自的经验模态分解图、HHT时频图和相应的边际谱图,从这些图中可以清楚看出各自的频谱特征.最后阐述了HHT方法在地电场数据处理中的应用前景.

关键词： HHT方法经验模态分解本征模态函数边际谱地电场数据处理

来源：评论

学校读者我要写书评

暂无评论

基于静电传感器的稀相气力输送流动特性分析

引用

电子测量与仪器学报 2016年第9期30卷 1320-1326页

作者：王超高文宾张靖宇天津大学电气与自动化工程学院天津300072

气力输送在电力、化工和冶金等工业领域应用广泛,在线分析颗粒流动特性对于节能减排和安全稳定输送具有重要意义。利用静电传感器的局部敏感特性,采用Hilbert-Huang变换对稀相气力输送过程中不同流动状态的动态特性进行研究,并且分析了... 详细信息

气力输送在电力、化工和冶金等工业领域应用广泛,在线分析颗粒流动特性对于节能减排和安全稳定输送具有重要意义。利用静电传感器的局部敏感特性,采用Hilbert-Huang变换对稀相气力输送过程中不同流动状态的动态特性进行研究,并且分析了管道中不同位置静电信号的频率特性。通过分解后的细节信号与原始信号的相关性分析,发现高频细节信号imf1~imf3所占的能量比可以作为流动状态的表征参数。这对于进一步研究气力输送的稳定性有重要的理论和实践意义。

关键词：稀相气力输送静电传感器 Hilbert-Huang变换本征模态函数

来源：评论

学校读者我要写书评

暂无评论

基于经验模态分解与神经网络的信号预测

引用

大地测量与地球动力学 2011年第6期31卷 121-123,135页

作者：王勇杨晶张立辉张红娟河北省地震工程研究中心唐山063009 河北联合大学矿业工程学院唐山063009 中国地质大学长城学院保定071000

利用经验模态分解在处理非线性、非平稳信号以及人工神经网络可以较好地处理非线性问题的优点,通过经验模态分解把加入噪声的仿真信号分解成几个本征模态函数分量和一个趋势项,在分解过程中采用两种方法处理端点效应问题,结果表明两种... 详细信息

利用经验模态分解在处理非线性、非平稳信号以及人工神经网络可以较好地处理非线性问题的优点,通过经验模态分解把加入噪声的仿真信号分解成几个本征模态函数分量和一个趋势项,在分解过程中采用两种方法处理端点效应问题,结果表明两种方法都能很好的解决端点问题,然后对每个分量分别运用径向基函数神经网络进行预测,并重构出最后的预测结果。与不经EMD处理直接运用神经网络进行预测及真实数据进行对比,结果表明,相对于直接预测,该方法具有更好的预测效果。

关键词：经验模态分解端点问题 RBF神经网络本征模态函数非线性

来源：评论

学校读者我要写书评

暂无评论

基于组合模型的自相似业务流量预测

引用

计算机科学 2012年第4期39卷 123-126页

作者：高茜冯琦李广侠解放军理工大学通信工程学院南京210007

针对经验模式分解存在的模态混叠问题,提出了一种基于组合模型的自相似业务流量预测方法。首先通过对网络流量进行集合经验模式分解,有效地去除自相似网络流量中存在的长相关性。接着根据分解得到的各本征模态函数分量的不同特性,分别... 详细信息

针对经验模式分解存在的模态混叠问题,提出了一种基于组合模型的自相似业务流量预测方法。首先通过对网络流量进行集合经验模式分解,有效地去除自相似网络流量中存在的长相关性。接着根据分解得到的各本征模态函数分量的不同特性,分别采用人工神经网络与自回归滑动平均模型对其进行预测,最终再将预测结果进行组合。仿真结果表明,提出的方法对于实际网络流量数据具有较高的预测精度。

关键词：组合模型业务预测集合经验模式分解本征模态函数

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：