| 基于EEMD分形和LS-SVM的次声信号识别泥石流类型 |
| |
| 引用本文： | 胡至华,袁路,马东涛,胡雨豪,李梅.基于EEMD分形和LS-SVM的次声信号识别泥石流类型[J].山地学报,2020,38(4). |
| |
| 作者姓名： | 胡至华 袁路 马东涛 胡雨豪 李梅 |
| |
| 作者单位： | 中国科学院、水利部成都山地灾害与环境研究所 中国科学院山地灾害与地表过程重点实验室,成都610041;中国科学院大学,北京100049;成都城投建设集团有限公司,成都610037;中国科学院、水利部成都山地灾害与环境研究所 中国科学院山地灾害与地表过程重点实验室,成都610041;中煤科工集团重庆设计研究院有限公司,重庆400016;中国地质大学(北京),北京100083 |
| |
| 摘 要： | 基于无接触的泥石流次声信号的有效波形特征提取识别不同类型的泥石流及预警泥石流规模、危害是国内外泥石流研究的新方向。本研究利用室内实验采集到的65次稀性、过渡性和粘性泥石流次声信号数据,采用集成经验模式分解(EEMD)对次声信号进行分解,提取本征模态函数(IMF)主分量,对比分析了原始信号和主分量信号STFT分布的时频特性差异,计算了主分量IMF盒维数值,并将其作为特征值输入最小二乘支持向量机(LS-SVM)分类器进行训练和分类,初步实现了基于次声分形特征指标识别泥石流类型。研究表明:(1)通过对EEMD重构的主IMF分量信号进行短时傅立叶变换(STFT)时频分析后,主分量信号具有优良的时频聚焦性能,提升了信号识别的准确性和精度;(2)稀性、过渡性和粘性泥石流的原始次声信号盒维数值分别为1.625、1.578和1.519,利用次声盒维数值可以识别泥石流的类型;(3)通过LS-LSVM模型训练测试,正确识别率达87%,其中稀性和过渡性泥石流为80%,粘性泥石流为100%。本研究利用次声特征指标无接触判识了泥石流类型,为次声自动识别、监测和预警泥石流灾害做了积极探索。
|
| 关 键 词： | 泥石流 类型 次声 EEMD分形 STFT LS-SVM |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
