共查询到19条相似文献，搜索用时 109 毫秒
1.
为提高非线性和非平稳海水温度时间序列的预测能力,提出了一种基于经验模态分解(Empirical Mode Decomposition.简称EMD)的BP神经网络预测方法.该方法首先对原始序列进行经验模态分解,将其分解为多个平稳性得到很大改善的本征模态函数(Intrinsic Mode Function,简称IMF)之和,然后时每个本征模态函数进行预测,最后再根据EMD方法的完备性把预测结果相加得出原始序列的预测结果.预测试验结果表明.基于EMD的BP神经网络预测的精度比单纯用BP神经网络预测有很大提高. 相似文献
2.
EMD方法和Hilbert谱分析法的应用与探讨 总被引：56，自引：0，他引：56
利用EMD方法对海浪观测资料进行处理，通过在数据两端的“平衡位置”处分别附加平行直线段的方法进行端点抑制，分解出10个内在模函数和1个剩余趋势项，再对各内在模函数进行Hilbert变换，得到波浪的Hilbert谱，对所得结果的分析表明，各模态在Hilbert谱中的分布趋势和Fourier谱中谱线的变化趋势是一致的，第一模态的中心频率与Fourier谱的谱峰频率相对应；EMD方法是对非线性，非平稳过程数据进行距平化的好方法，距平化的过程和消除趋势项的处理是统一的。 相似文献
3.
4.
《海洋技术学报》2021,(1)
本文利用卫星高度计数据,采用多种方法对1993—2017年中国南海海平面高度异常(Sea Level Anomaly,SLA)的空间分布和时间变化进行分析,主要采取的方法有线性回归、Winters指数平滑法、经验模态分解(Empirical Modal Decomposition,EMD)和经验正交函数(Empirical Orthogonal Function,EOF)。通过研究发现,南海大部分海域的多年平均SLA为正值,只有很少一部分海域出现负值(菲律宾群岛中部海域),并且南海的平均SLA有明显的季节性变化。利用线性回归的方法,发现1993—2017年的南海海平面总体呈现上升趋势。利用EMD分析法发现南海有明显的年际和年代际变化。研究结果表明:中国南海海平面高度呈不断上升的趋势,具有明显的季节和年际变化周期,且ENSO对中国南海海平面的作用不可忽视。 相似文献
5.
6.
本文基于中国首套长时间序列、高精度、高时空一致性的全球海洋气候数据集产品, 利用1993年1月至2015年12月的山东半岛近海海平面异常数据, 构建了基于集合经验模式分解(EEMD)和长短期记忆神经网络(LSTM)的海平面非线性变化组合预测模型。EEMD可以得到海平面异常的各周期项、线性趋势及残差部分, LSTM模型可对其进行逐个预测并重构得到最终的海平面异常预测结果。EEMD-LSTM组合模型海平面异常预测的均方根误差仅为25.87 mm, 取得了令人满意的效果。基于该组合模型预测2016-2025年山东半岛近海海平面上升速率将达到3.54 mm·a-1。 相似文献
7.
EMD方法和Hilbert谱分析法的应用与探讨 总被引：10，自引：0，他引：10
利用EMD方法对海浪观测资料进行处理 ,通过在数据两端的“平衡位置”处分别附加平行直线段的方法进行端点抑制 ,分解出 1 0个内在模函数和 1个剩余趋势项 ,再对各内在模函数进行Hilbert变换 ,得到波浪的Hilbert谱。对所得结果的分析表明 ,各模态在Hilbert谱中的分布趋势和Fourier谱中谱线的变化趋势是一致的 ,第一模态的中心频率与Fourier谱的谱峰频率相对应 ;EMD方法是对非线性、非平稳过程数据进行距平化的好方法 ,距平化的过程和消除趋势项的处理是统一的。 相似文献
8.
海平面变化包含多种不同时间尺度信息，传统的预测方法仅对海平面变化趋势项、周期项进行拟合，难以利用海平面变化的不同时间尺度信号，使得预测精度不高。本文基于深度学习的预测模型，提出一种融合小波变换（wavelet transform，WT）与LSTM （long short-term memory，LSTM）神经网络的海平面异常组合预测模型。首先利用小波分解得到反映海平面变化总体趋势的低频分量和刻画主要细节信息的高频分量；然后通过LSTM神经网络对代表不同时间尺度的各个分量预测和重构，实现海平面变化的非线性预测。基于该模型的海平面变化预测的均方根误差、平均绝对误差和相关系数分别为12.76 mm、9.94 mm和0.937，预测精度均优于LSTM和EEMD-LSTM预测模型，WT-LSTM组合模型对区域海平面变化预测具有较好的应用价值。 相似文献
9.
采用经验模态分解法对太平洋沿岸验潮站的月平均海平面资料进行处理,结合T/P高度计资料、Church(2004)重构SSH资料、Ishii(2005)月均海温资料,研究太平洋海平面年际、年代际变化以及资料长度内海平面变化趋势。太平洋沿岸海平面总体呈上升趋势,平均上升速率为1.4 mm/a,趋势项分布有明显的区域性和纬度特征。ENSO对太平洋地区海平面年际变化有显著影响,海平面年际变化与Nino3指数在西(东)太平洋为负(正)相关,海平面年际变化与Nino3指数的相关性在热带太平洋最大,并随着纬度升高相关性减弱,且不同地区年际变化有滞后ENSO时间不等的最大相关。海平面年际变化与PDO指数在西(东)太平洋为负(正)相关,海平面与PDO的相关性分布有区域性和随时间演变特征。年代际变化对目前使用卫星高度计资料分析海平面长期趋势项的预测有直接影响,可能完全掩盖海平面长期变化趋势。 相似文献
10.
经验模态分解(empirical mode decomposition,简称EMD)是反演海洋内波参数的有效方法之一,但由于EMD存在模态混叠等问题,对海洋内波进行参数反演时会产生一定误差。相比较于EMD,变分模态分解(variational mode decomposition,简称VMD)能够有效地抑制模态混叠现象。为了更好地对海洋内波进行参数反演,提出了一种基于VMD对合成孔径雷达(synthetic aperture radar,简称SAR)遥感图像中的内波参数进行自动反演的方法。该方法先对SAR图像进行Canny处理,获取图像中的内波条纹信息,再根据内波传播方向自动选取灰度剖面;然后利用集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)信号特征自适应分解模态函数的特点,再将分解得到的有效模态数作为VMD中参数K的参考值;最后利用VMD分解后的数据进行内波参数反演。试验结果表明:通过对Canny预处理后的条纹信息进行灰度剖面自动选取,解决了人为选取剖面所可能导致的误差;通过对剖面信号进行VMD处理不仅解决了EMD模态混叠的问题,成功地反演出内波的前导波振幅,而且所反演的结果与EEMD反演参数以及实测资料数据吻合得很好。 相似文献
11.
异常事件对EMD方法的影响及其解决方法研究 总被引：4，自引：1，他引：4
赵进平 《中国海洋大学学报(自然科学版)》2001,31(6):805-814
作者指出异常事件在数据中形成局部的高频信号 ,运用经验模态分解 (EMD)方法分析这种存在异常事件干扰的数据 ,就会产生本征模函数 (IMF)的频率混叠现象 ,而造成物理过程的重叠 ,使得难以用时间过程曲线表现特定的物理过程。这一问题是 EMD方法中尚未妥善解决的问题。为解决这一问题 ,作者利用干扰信号极值及其两边的极大与极小值位置与原始数据有明显对应关系的特征 ,将相关 IMF中的异常信息直接滤除 ,再用 Spline插值方法弥补滤除时段的数据 ,得到重新拟合的该 IMF数据。采用这种方法可以提取出异常信号 ,提取的精度与异常信号的时段长度有关。而且 ,拟合结果消除了异常干扰 ,可以将该 IMF与其余 IMF一起叠加成没有异常干扰的数据。将滤除了异常干扰的数据再次进行 EMD分解 ,可以得到新的 IMF系列 ,而它与不加校正的分解结果有相当大的差别 ,可靠地反映了真实物理过程。结果表明 ,只有在有效滤除异常干扰的情况下才能获得可靠的 IMF系列 ,并准确地描述各种尺度的现象 ;消除了异常干扰的 IMF可以任意单独或组合使用 ,表现各种时间尺度的变化与过程 ;所讨论的方法只适合异常时段较小的情形。对于异常时段接近或大于正常变化周期的干扰还需要探讨其他方法 相似文献
12.
采用TOPEX/POSEIDON(T/P)卫星高度计 1 993年 1月— 2 0 0 0年 1 2月海面高度数据 ,研究包含了整个南极绕极流流系 (40°— 6 0°S)的海面高度低频变化。首先采用EOF分解方法获取南大洋时空分布的主要模态 ,前 3个EOF模态分别占总方差的 2 4 .8%、1 3 .8%和 1 0 .7%。然后采用EMD方法分别分析了各个EOF模态的时间系数曲线的组成成分 ,对南极绕极流海域的各种时间尺度变化给出了清晰的描述 ,对于不同尺度变化所占的比例得到了定量的结果。研究结果表明 ,EOF的各个模态不仅在形态上存在差异 ,而且具有相互独立的物理背景。EOF的第一模态主要体现了以太阳辐射冬夏差异形成的年周期变化 ,另一个显著的特征就是南极绕极流从 1 993— 2 0 0 0年海面的整体上升趋势。EOF的第二模态体现了陆地地形对南极绕极流的约束作用 ,同时也显示了ENSO过程对南极绕极流 ,特别是对南太平洋的海面高度变化的影响。EOF的第三模态则体现了南极绕极流对南大洋表面风场东西方向不均匀变化的响应。同时 ,本文的研究也证明了EOF与EMD方法联合使用对揭示大范围时空变化有重要的实际意义 相似文献
13.
A method based on empirical mode decomposition (EMD) and time-varying autoregressive (TVAR) model is proposed here to identify the modal parameters of time-varying systems, such as the Floating Production Storage and Offloading (FPSO) single point mooring system. For the EMD–TVAR method, the original signal is decomposed into a finite number of ‘intrinsic mode functions’ (IMFs) by the EMD. Each IMF can be represented as a TVAR model. Then, the time-varying modal parameters i.e., instantaneous frequency (IF) and modal dumping, can be obtained by the basis functions expansion method. The proposed EMD–TVAR method has good results in two experiments compared with the Huang–Hilbert transformation and Short Time Fourier Transform method, and it has been used to analysis the modal parameters of FPSO single point mooring system successfully. The system's time-varying characteristic and its frequency distribution can be known from the modal analysis results. 相似文献
14.
From the analyses of the satellite altimeter Maps of Sea Level Anomaly(MSLA) data, tidal gauge sea level data and historical sea level data, this paper investigates the long-term sea level variability in the East China Sea(ECS).Based on the correlation analysis, we calculate the correlation coefficient between tidal gauge and the closest MSLA grid point, then generate the map of correlation coefficient of the entire ECS. The results show that the satellite altimeter MSLA data is effective to observe coastal sea level variability. An important finding is that from map of correlation coefficient we can identify the Kuroshio. The existence of Kuroshio decreases the correlation between coastal and the Pacific sea level. Kurishio likes a barrier or a wall, which blocks the effect of the Pacific and the global change. Moreover, coastal sea level in the ECS is mainly associated with local systems rather than global change. In order to calculate the long-term sea level variability trend, the empirical mode decomposition(EMD) method is applied to derive the trend on each MSLA grid point in the entire ECS. According to the 2-D distribution of the trend and rising rate, the sea level on the right side of the axis of Kuroshio rise faster than in its left side. This result supports the barrier effect of Kuroshio in the ECS. For the entire ECS, the average sea level rose 45.0 mm between 1993 and 2010, with a rising rate of(2.5±0.4) mm/a which is slower than global average.The relatively slower sea level rising rate further proves that sea level rise in the ECS has less response to global change due to its own local system effect. 相似文献
15.
利用1921–2020年的海平面气压、海平面高度、热含量数据以及海冰密集度作为太平洋年代际振荡（Pacific Decadal Oscillation, PDO）指数的预报要素,建立了关于PDO指数时间序列预测的多变量长短期记忆（Long Short Term Memory, LSTM）神经网络模型,对比分析了2011–2020年不同时间序列预测模型的PDO指数预测结果,最后利用多变量LSTM神经网络模型实现了2021–2030年的PDO指数预测。结果显示,多变量LSTM神经网络模型的预测值与观测值经过交叉验证后的平均相关系数和均方根误差分别为0.70和0.62;PDO未来10年将一直处于冷位相,PDO神经网络指数出现两次波动,于2025年出现最小值。相比于其他时间序列预测模型,本文采用的多变量LSTM神经网络模型预测结果误差小、拟合效果好,可以作为一种新型的预测PDO指数的手段。 相似文献
16.
基于时长38天的海表风场实测数据,应用经验模态分解(EmpiricalModeDecomposition,EMD)和小波分解(Wavelet Decomposition, WD)这两种数据处理方法首先对涡相关法中的截断时间尺度(CutoffTimescale,CTS)进行估算,结果显示:基于EMD与WD方法估算出的CTS一般都在40秒左右(EMD的结果略小),远远小于传统涡相关法中CTS的取值(固定为10分钟),且EMD和WD的使用使得每一段数据都能够根据自身的湍流特点而获得合适的CTS; EMD方法和WD方法有效的去除了计算结果中的非湍部分,且对通量传输方向的刻画也更加合理,极大提高了通量的计算精度,所得通量与传统方法计算的通量偏差平均值高达45%;研究还对EMD和WD的优缺点进行了对比分析,结果表明EMD相比于WD有更高的自主性,而WD对信号的分离程度则更高。 相似文献
17.
为有效提取噪声背景下的海杂波信号,针对海杂波信号非线性非平稳的特点,提出基于小波阈值算法对实测海杂波数据去噪。在噪声水平未知条件下,提出基于噪声主要在高频段且能量较小、信号主要集中在低频段思想的噪声判断准则。为验证小波去噪效果,将该算法对含有噪声的海杂波实测数据进行去噪,采用均方差和降噪信号信噪比两项指标衡量去噪效果,并与均值和中值等去噪方法对比,小波算法在这两项指标均优于其他算法;此外,实验结果还表明,db2小波在双曲线阈值函数和HeurSure阈值模式下优于其他小波去噪效果。 相似文献
18.
针对全波形三维激光测绘雷达(LiDAR)在数字地形测量中如何降低背景噪声问题,提出了一种基于经验模态分解(EMD)和小波阈值的自适应降噪方法。在扫测的地形信号经EMD分解后,计算内蕴模式函数(IMF)与经过2/3阶重构的扫测信号之间的互相关函数,从而改善小波阈值自适应地对IMF中的高频噪声成分进行滤除。实验结果表明,与EMD重构降噪法、小波阈值降噪法和传统的EMD-小波联合降噪法比较,这种方法在对全波形LiDAR回波信号的噪声剔除和地物信号保留方面具有明显的优势,降噪后信号的误差能缩小10%~20%,波形相关性能提升5%~20%,信噪比能提升20%~40%。 相似文献
19.
本文采用经验模式分解 (EMD)提取信号的内在模函数 (IMF) ,并利用希尔伯特变换对所得IMF进行包络分析 ,提取机械故障特征。与直接对原信号进行包络分析相比较 ,该方法提取的机械故障特征更明显。数值模拟和对故障轴承振动信号分析表明了该方法的有效性。 相似文献