一种结合时序分解与相似分量重组的深度学习滑坡位移组合预测模型 被引量：1

1

作者 瞿伟 李达 +1 位作者 李久元 边子策 《大地测量与地球动力学》 北大核心 2025年第3期221-230,共10页

在对滑坡监测数据粗差进行有效处理及充分顾及滑坡监测数据自身特性的基础上,提出一种结合时序分解与相似分量重组的深度学习滑坡位移组合预测模型。首先,利用孤立森林法对滑坡时序监测数据的显著粗差进行处理,再对其平稳性、自相关性... 在对滑坡监测数据粗差进行有效处理及充分顾及滑坡监测数据自身特性的基础上,提出一种结合时序分解与相似分量重组的深度学习滑坡位移组合预测模型。首先,利用孤立森林法对滑坡时序监测数据的显著粗差进行处理,再对其平稳性、自相关性、正态性进行综合分析,确定模型预测中输入特征序列的最佳长度;其次,利用集合经验模态分解(EEMD)方法,将非稳态滑坡监测数据分解为多个平稳时间序列,再结合样本熵与K-means算法将其划分为高频、中频、低频3类时间分量;最后,通过对比不同神经网络模型的预测精度,分别构建适合于3类时间分量的预测模型,再将预测结果相叠加,实现对滑坡位移的高精度预测。实验区典型滑坡体北斗/GNSS监测数据测试表明,本文组合预测模型对含有显著粗差的滑坡监测数据具有较好的适用性,相较于单一及现有组合模型可显著提高滑坡位移预测精度。 展开更多

关键词 滑坡位移预测 集合经验模态分解 样本熵 深度神经网络 时间卷积网络

在线阅读 下载PDF 职称材料

基于EEMD-CNN-LSTM的新型综合模型在滑坡位移预测中的应用 被引量：6

2

作者 刘航源 陈伟涛 +2 位作者 李远耀 徐战亚 李显巨 《地质力学学报》 CSCD 北大核心 2024年第4期633-646,共14页

滑坡位移预测是滑坡稳定性评价的重要环节。尽管基于深度学习范式的时间序列方法预测滑坡位移取得了一定的成果,但由于滑坡位移数据的非平稳性、周期性和趋势性变化特征,导致当前时间序列模型的滑坡位移的多变量预测容易过拟合。为解决... 滑坡位移预测是滑坡稳定性评价的重要环节。尽管基于深度学习范式的时间序列方法预测滑坡位移取得了一定的成果,但由于滑坡位移数据的非平稳性、周期性和趋势性变化特征,导致当前时间序列模型的滑坡位移的多变量预测容易过拟合。为解决这一问题,针对滑坡位移数据的波动性和由周期项与趋势项位移叠加组成的特性,提出一种基于孤立森林(Isolation Forest,IF)异常检测、集成经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)、卷积神经网络(Convolutional Neural Networks,CNN)和长短期记忆神经网络(Long Short-Term Memory,LSTM)相结合的滑坡位移预测模型。选择三峡库区以降雨为影响因子的阶跃型白家包滑坡为研究对象,引入IF算法对滑坡原始位移数据进行异常检测,使用EEMD方法提取滑坡趋势项和周期项位移,通过CNN捕捉局部周期项和趋势模式,并基于LSTM模型预测总体位移。结果表明,EEMD-CNN-LSTM在预测降雨情况时滑坡总体位移的均方根误差(RMSE)、平均绝对误差(MAE)、评价绝对百分比误差(MAPE)和决定系数(R2)4种指标分别为0.4190、0.3139、0.2379和0.9997,前3种精度评价指标较现有模型分别提升32.3%、25.1%、7.3%。相较于传统的LSTM模型、随机森林方法和EEMD-LSTM方法,EEMD-CNN-LSTM模型在有、无降雨这一外部影响因素下具有显著优势,能够较大地降低过拟合,提高预测的准确性。 展开更多

关键词 滑坡位移预测 时间序列模型 卷积神经网络 集合经验模态分解 深度学习

在线阅读 下载PDF 职称材料

基于ICEEMDAN分解与SE重构和DBO-LSTM的滑坡位移预测 被引量：3

3

作者 封青青 李丽敏 +2 位作者 陈飞阳 张碧涵 余兵 《电子测量技术》 北大核心 2024年第7期80-87,共8页

滑坡位移预测是防灾减灾的一项重要工作,针对位移分解后趋势项和周期项重构的合理性问题以及周期项位移预测精度不高的问题,提出了一种改进的自适应噪声完备集合经验模态分解(ICEEMDAN)、样本熵(SE)以及蜣螂算法(DBO)优化的长短期记忆网... 滑坡位移预测是防灾减灾的一项重要工作,针对位移分解后趋势项和周期项重构的合理性问题以及周期项位移预测精度不高的问题,提出了一种改进的自适应噪声完备集合经验模态分解(ICEEMDAN)、样本熵(SE)以及蜣螂算法(DBO)优化的长短期记忆网络(LSTM)组合模型进行位移预测。以八字门滑坡为研究对象,利用ICEEMDAN方法将滑坡累计位移进行分解,并用样本熵值表征分解得到的子序列,将其重构为趋势项和周期项位移。之后利用LSTM模型预测趋势项和周期项位移;通过灰色关联度的方法确定周期项位移的影响因素。考虑到LSTM网络中超参数的随机性会影响模型预测精度,引入蜣螂优化算法获取LSTM最优超参数,最终将预测得到的趋势项和周期项位移叠加得到累计位移。本文所提的ICEEMDAN-SE-DBO-LSTM模型预测周期项位移的RMSE、MAE、R23项指标分别为1.803 mm、1.584 mm、0.988,相较于DBO-BP,LSTM,GRU和BP模型预测效果更优,证明了模型的有效性。 展开更多

关键词 滑坡位移 改进的自适应噪声完备集合经验模态分解 样本熵 蜣螂优化算法

在线阅读 下载PDF 职称材料

基于深度学习的双阶段大坝变形预测模型 被引量：1

4

作者 唐艳 杨孟 +2 位作者 李斌 郭经红 陈艺征 《中国农村水利水电》 北大核心 2024年第3期225-230,237,共7页

为提高大坝位移预测的准确性,提出了一种新颖的基于深度学习的综合预测方法。首先引入了一种基于完全集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和奇异谱分析(Singular Spectrum A... 为提高大坝位移预测的准确性,提出了一种新颖的基于深度学习的综合预测方法。首先引入了一种基于完全集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和奇异谱分析(Singular Spectrum Analysis,SSA)的多级数据降噪技术。这能有效地消除监测数据中的噪声和异常值,提高数据质量,为后续预测提供更合理的大坝变形数据。随后构建基于卷积神经网络(Convolutional Neural Network,CNN)和门控循环单元(Gated Recurrent Unit,GRU)的深度学习模型。采用CNN从监测数据中提取丰富的特征,利用GRU来捕获和处理时间序列数据中的长期依赖关系。为了增强模型的表现,引入了自注意力机制,以帮助模型更好地处理和识别数据中的复杂模式。通过与其他预测方法的比较,实验结果表明,该方法在大坝位移预测的准确性和稳定性方面相较于其他方法有显著的提升,能够为大坝变形监控领域提供新方法。 展开更多

关键词 完全集成经验模态分解 卷积神经网络 门控循环单元 大坝位移预测

在线阅读 下载PDF 职称材料

滑坡位移的多模态支持向量机模型预测 被引量：33

5

作者 林大超 安凤平 +1 位作者 郭章林 张立宁 《岩土力学》 EI CAS CSCD 北大核心 2011年第S1期451-458,共8页

将支持向量机(support vector machine,SVM)方法与信号分析中的经验模态分解(empirical mode decomposition,EMD)方法相匹配,提出了一种通过多模态支持向量机函数回归分析建模预测滑坡位移的理论方法。以边坡位移历史观测数据为基础,应... 将支持向量机(support vector machine,SVM)方法与信号分析中的经验模态分解(empirical mode decomposition,EMD)方法相匹配,提出了一种通过多模态支持向量机函数回归分析建模预测滑坡位移的理论方法。以边坡位移历史观测数据为基础,应用EMD方法获得滑坡形成过程中位移演化的几个特征时间模态,构成了多模态信息统计学习样本,确定了边坡位移演化的自适应多尺度变化信息。对应于每个经验模态的位移变化信息,引入了多模态SVM建模方法,然后合成不同经验模态下边坡位移的计算结果,得到滑坡位移的预测值。以卧龙寺新滑坡和新滩滑坡的监测数据为基础的理论预测结果表明,与采用遗传算法的神经网络方法的预测结果相比,支持向量机经验模态方法具有更强的预测能力,理论预测结果与实际监测值具有很好的一致性。 展开更多

关键词 岩土力学 滑坡 位移 支持向量机 经验模态分解

在线阅读 下载PDF 职称材料

基于经验模态分解和神经网络的滑坡变形预测研究 被引量：18

6

作者 刘艺梁 殷坤龙 +1 位作者 汪洋 王伟 《安全与环境工程》 CAS 北大核心 2013年第4期14-17,共4页

受岩土体性质和多种诱发因素(降雨、地震、库水位等)的影响,滑坡的位移演化必然包含着多层次的信息,难以采用单一的灰色预测、神经网络、时间序列等模型进行有效、准确的预测。本文引入信号分析中的经验模态分解(EMD)方法,同时结合对非... 受岩土体性质和多种诱发因素(降雨、地震、库水位等)的影响,滑坡的位移演化必然包含着多层次的信息,难以采用单一的灰色预测、神经网络、时间序列等模型进行有效、准确的预测。本文引入信号分析中的经验模态分解(EMD)方法,同时结合对非线性函数具有很强的逼近能力的BP神经网络,建立了滑坡变形预测的EMD-BP神经网络模型,并以三峡库区树坪滑坡为例,应用该模型对ZG88监测点的累积位移进行了预测,最后将其预测值与实际监测值以及其他模型预测结果进行了对比分析,结果表明该模型的预测值与实际监测值基本一致,且模型预测精度比单一的BP神经网络和GM(1,1)模型要高,从而验证了该模型具有一定的适用性和较高的预测精度。 展开更多

关键词 滑坡 位移预测 经验模态分解 神经网络

在线阅读 下载PDF 职称材料

经验模态分解剔除结构地震响应位移漂移 被引量：3

7

作者 傅光耀 段晨东 刘健新 《振动工程学报》 EI CSCD 北大核心 2009年第4期438-442,共5页

提出了一种基于经验模态分解(Empirical Mode Decomposition,EMD)剔除位移响应漂移量的算法。这种算法将漂移成分视为EMD分解的最终残量(Residue),从原时程响应信号中分离并剔除EMD分解的最终残量后,再利用本征模函数(Intrinsic Mode Fu... 提出了一种基于经验模态分解(Empirical Mode Decomposition,EMD)剔除位移响应漂移量的算法。这种算法将漂移成分视为EMD分解的最终残量(Residue),从原时程响应信号中分离并剔除EMD分解的最终残量后,再利用本征模函数(Intrinsic Mode Functions,IMFs)进行信号重构,能够得到接近真实的响应时程信号。该方法引入到实际桥梁结构的地震响应时程分析中,成功地解决了剔除结构地震响应位移漂移的难题。试算和实际计算效果表明此种方法效果良好,因而在结构地震响应分析中具有重要实用价值。 展开更多

关键词 桥梁抗震 经验模态分解(EMD) 时程分析 位移漂移

在线阅读 下载PDF 职称材料

滑坡位移非线性时间序列预测模型研究 被引量：8

8

作者 刘勇 余宏明 +1 位作者 刘烽博 秦志萌 《地质科技情报》 CAS CSCD 北大核心 2016年第5期203-207,共5页

从分析滑坡位移的实际变化情况和滑坡位移演变规律的角度出发,将滑坡位移分解为受其自身地质结构属性控制的趋势项位移分量和由外界环境因素影响的周期项位移分量。采用经验模态分解法对滑坡位移趋势项和周期项进行非线性时间序列的分解... 从分析滑坡位移的实际变化情况和滑坡位移演变规律的角度出发,将滑坡位移分解为受其自身地质结构属性控制的趋势项位移分量和由外界环境因素影响的周期项位移分量。采用经验模态分解法对滑坡位移趋势项和周期项进行非线性时间序列的分解;在此基础上采用标准GM(1,1)灰色模型、滚动GM(1,1)灰色模型和灰色马尔科夫模型分别对滑坡位移的趋势项和周期项进行预测,将预测结果进行叠加运算,即可得到滑坡位移的预测值。以三峡库区白水河滑坡的位移变化情况为例,通过分析对比滑坡位移的实测值与预测值之间的位移-时间关系曲线,可以很好地预测出滑坡位移的发展变化趋势。这说明对滑坡位移进行时间序列分解,有助于提高滑坡位移的预测精度,并可有效应用于滑坡位移预测的工程实例中。 展开更多

关键词 滑坡位移分解 经验模态分解法 滚动GM(1 1)灰色模型 灰色马尔科夫模型

在线阅读 下载PDF 职称材料

经验模态分解算法在角位移传感器信号去噪中的应用 被引量：3

9

作者 胡璞 刘利民 《传感技术学报》 CAS CSCD 北大核心 2023年第1期113-117,共5页

当多个角位移传感器工作在多个电平时,线路间的串扰会导致内部噪声,影响传感器信号输入和输出。设计了角位移传感器线间串扰信号的多层分解去噪方法。在计算角位移传感器信号线间的串扰电压后,分别计算电容耦合和电感耦合的总串扰电压... 当多个角位移传感器工作在多个电平时,线路间的串扰会导致内部噪声,影响传感器信号输入和输出。设计了角位移传感器线间串扰信号的多层分解去噪方法。在计算角位移传感器信号线间的串扰电压后,分别计算电容耦合和电感耦合的总串扰电压。利用经验模态分解算法对传感器信号进行逐层分解后,得到一定量的残差项和信号分量(IMF),并将其相加生成新的信号。重复分解计算产生新的信号,然后计算信号分量(IMF)中包含的串扰信号,并根据硬/软阈值消除串扰噪声。仿真结果表明,所设计的方法可以有效地消除角位移传感器线间串扰信号噪声的影响,使传感器采集的角位移测量电路的电压信号更接近无串扰的电压信号,从而保证角位移传感器信号的有效性。 展开更多

关键词 经验模态分解 角位移传感器 噪声干扰 串扰方式 信号重构

在线阅读 下载PDF 职称材料

移动平均和经验模态分解法在大坝位移分离中的应用 被引量：2

10

作者 宋锦焘 张秀山 +4 位作者 江骄 王少伟 沈寿亮 刘天祥 梁睿斌 《水电能源科学》 北大核心 2014年第3期98-102,共5页

经验模态分解方法由于缺少数据预处理,分解结果具有冗余性、与自变量数量不能对应、模函数无法进行物理解释等问题,因此在经验模态分解前增加移动平均数据预处理过程,以减少原始数据量,保留趋势过程,并以某双曲拱坝位移分离为例,对比了... 经验模态分解方法由于缺少数据预处理,分解结果具有冗余性、与自变量数量不能对应、模函数无法进行物理解释等问题,因此在经验模态分解前增加移动平均数据预处理过程,以减少原始数据量,保留趋势过程,并以某双曲拱坝位移分离为例,对比了经过数据预处理与未经数据预处理的经验模态分解结果。结果表明,预处理后位移序列趋势性不变,但数据量和分解模函数数量均有所减少;为了使分解得到的模函数与水位和温度的物理解释相吻合,选择合适的移动平均参数M,使模函数数量为2,避免了分解的冗余性。 展开更多

关键词 大坝 安全监测 位移分离 经验模态分解 移动平均法

在线阅读 下载PDF 职称材料

基于经验模态分解的激光干涉信号处理 被引量：2

11

作者 蒲亮 叶玉堂 +2 位作者 吴云峰 王昱琳 刘莉 《激光技术》 CAS CSCD 北大核心 2011年第3期299-301,311,共4页

为了去除激光干涉测速系统提取的小波脊的大量高频噪声,提高系统测量精度,采用一种基于经验模态分解的小波脊优化的方法,对高频噪声强度进行了很好的抑制,测量误差为原来未优化误差的42.3%,较大幅度提高了激光干涉测速系统的测量精度。... 为了去除激光干涉测速系统提取的小波脊的大量高频噪声,提高系统测量精度,采用一种基于经验模态分解的小波脊优化的方法,对高频噪声强度进行了很好的抑制,测量误差为原来未优化误差的42.3%,较大幅度提高了激光干涉测速系统的测量精度。结果表明,该方法对经过时频分析的信号去噪有重要的实用价值。 展开更多

关键词 傅里叶光学与光信号处理 小波脊优化 经验模态分解 全光纤位移干涉系统 连续小波变换

在线阅读 下载PDF 职称材料

基于经验模式分解的边坡位移预测模型研究 被引量：2

12

作者 张永磊 何秀凤 刘志平 《人民长江》 北大核心 2013年第3期48-51,92,共5页

高边坡监测数据分析是研究边坡变形演化机制及稳定性评价的主要方法,是工程施工决策的基础。根据边坡位移时间序列呈现趋势性与随机性相耦合的特点,运用经验模式分解方法将边坡位移量分解为趋势项和随机项部分,对趋势项采用支持向量机... 高边坡监测数据分析是研究边坡变形演化机制及稳定性评价的主要方法,是工程施工决策的基础。根据边坡位移时间序列呈现趋势性与随机性相耦合的特点,运用经验模式分解方法将边坡位移量分解为趋势项和随机项部分,对趋势项采用支持向量机回归模型预测,并基于马尔可夫状态切换对随机项建立自回归模型进行预测。以小湾水电站高边坡为例,将该模型应用到边坡位移变形预报中,取得了较好的效果。 展开更多

关键词 边坡位移 经验模式分解 支持向量机回归 马尔可夫状态切换 自回归模型

在线阅读 下载PDF 职称材料

基于CEEMDAN-BA-SVR-Adaboost模型的白水河滑坡位移预测 被引量：11

13

作者 李龙起 王梦云 +2 位作者 赵皓璆 王滔 赵瑞志 《长江科学院院报》 CSCD 北大核心 2021年第6期52-59,66,共9页

为提高白水河滑坡位移预测精度,提出一种新的预测模型,即基于自适应噪声完全集合经验模态分解(CEEMDAN)-蝙蝠算法(BA)-支持向量回归机(SVR)-自适应提升算法(Adaboost)的模型。以该滑坡为研究对象,利用CEEMDAN将滑坡位移分解为趋势项以及... 为提高白水河滑坡位移预测精度,提出一种新的预测模型,即基于自适应噪声完全集合经验模态分解(CEEMDAN)-蝙蝠算法(BA)-支持向量回归机(SVR)-自适应提升算法(Adaboost)的模型。以该滑坡为研究对象,利用CEEMDAN将滑坡位移分解为趋势项以及由IMF分项构成的波动项。首先采用BP神经网络对趋势项位移进行预测,随后利用CEEMDAN-BA-SVR-Adaboost模型对波动项进行预测,并将预测结果与CEEMDAN-PSO-SVR-Adaboost、CEEMDAN-BA-BP-Adaboost、CEEMADAN-BA-SVR、BA-SVR-Adaboost模型预测结果进行对比分析,验证本模型在位移预测方面的优越性。此外,利用CEEMDAN-BA-SVR-Adaboost模型对ZG118波动项位移进行预测,同时计算ZG93监测点最终累计预测位移。结果表明,对白水河滑坡位移进行预测时,CEEMDAN-BA-SVR-Adaboost模型具有较高的准确性和适用性。 展开更多

关键词 白水河滑坡 位移预测 自适应噪声完全集合经验模态分解(CEEMDAN) 蝙蝠算法(BA) 支持向量回归机(SVR) 集成学习

在线阅读 下载PDF 职称材料

基于经验模态分解和LSTM模型的滑坡位移预测 被引量：14

14

作者 宋丽伟 《人民长江》 北大核心 2020年第5期144-148,共5页

建立高精度的位移预测模型对滑坡的提前预报具有重要意义,然而以往的研究多是选用静态预测模型,无法满足滑坡的动态特性。鉴于此,以三峡库区新滩滑坡为例,选用了近期较为流行的长短时记忆网络(LSTM)模型来对滑坡滑动前的累积位移进行动... 建立高精度的位移预测模型对滑坡的提前预报具有重要意义,然而以往的研究多是选用静态预测模型,无法满足滑坡的动态特性。鉴于此,以三峡库区新滩滑坡为例,选用了近期较为流行的长短时记忆网络(LSTM)模型来对滑坡滑动前的累积位移进行动态预测。首先选用经验模态分解法(EMD)将滑坡累积位移分解成趋势项和周期项,然后利用多项式函数预测趋势项位移;再利用动态LSTM模型预测周期项位移;最后将各分量位移累加得到最终的模型计算值。结果表明:LSTM模型预测结果的均方根误差为17.07 mm,相关性系数达0.999,具有较高的预测精度,为“阶梯状”滑坡位移的预测提供了一种可行的思路。 展开更多

关键词 滑坡位移预测 时间序列 经验模态分解 长短时记忆网络 新滩滑坡 三峡库区

在线阅读 下载PDF 职称材料

嵌入式角位移传感器动态测量误差建模与补偿 被引量：3

15

作者 孙世政 韩宇 +1 位作者 党晓圆 李洁 《重庆理工大学学报（自然科学）》 CAS 北大核心 2022年第3期78-85,共8页

针对嵌入式角位移传感器在工作过程中受到机械结构、电气系统以及外界环境等因素影响导致的原始测量误差较大,传统单一算法难以适用的问题,提出了一种基于集合经验模态分解和极限学习机的嵌入式角位移传感器动态测量误差补偿方法。通过... 针对嵌入式角位移传感器在工作过程中受到机械结构、电气系统以及外界环境等因素影响导致的原始测量误差较大,传统单一算法难以适用的问题,提出了一种基于集合经验模态分解和极限学习机的嵌入式角位移传感器动态测量误差补偿方法。通过对转子在整周范围内的原始测量误差进行集合经验模态分解,得到了一系列本征模态函数,利用相关性系数阈值法对本征模态函数进行筛选,选出其中对测量误差影响较大的分量,并对其进行希尔伯特变换,计算相应的瞬时幅值和瞬时频率,重构误差序列,利用极限学习机对残余误差进行预测补偿,得到传感器最终测量误差。实验结果表明:嵌入式角位移传感器的原始测量误差的峰峰值由117.9″降至4.5″,大幅提高了传感器的测量精度。 展开更多

关键词 嵌入式角位移传感器 集合经验模态分解 希尔伯特变换 极限学习机 误差补偿

在线阅读 下载PDF 职称材料

基于EMD分解和ABC-RBF模型的混凝土平板坝变形监测模型 被引量：2

16

作者 赵鲲鹏 《三峡大学学报（自然科学版）》 CAS 2015年第4期29-33,共5页

针对混凝土平板坝水平位移监测序列呈非线性以及周期性变化的特点,采用经验模态分解(EMD)的方法对混凝土平板坝水平位移监测进行分解,并采用计算信噪比最大值的方法对信号进行去噪,得到最优的去噪效果.面板坝的坝顶上下游方向水平位移... 针对混凝土平板坝水平位移监测序列呈非线性以及周期性变化的特点,采用经验模态分解(EMD)的方法对混凝土平板坝水平位移监测进行分解,并采用计算信噪比最大值的方法对信号进行去噪,得到最优的去噪效果.面板坝的坝顶上下游方向水平位移主要受上下游水位、环境温度以及时效的影响,据此建立普通RBF和ABC-RBF神经网络模型,并对混凝土平板坝上下游方向水平位移进行预测,对比两种模型预测样本的均方根误差(RMSE)、平均绝对误差(MAE)以及负相关系数(R).结果表明,ABC-RBF神经网络模型预测效果较好,误差比较小,该方法为分析混凝土平板坝工作性态和安全监测及预测提供一种新的方法. 展开更多

关键词 混凝土平板坝 水平位移 经验模态分解 ABC-RBF神经网络

在线阅读 下载PDF 职称材料

油井抽油机示功图位移测量研究 被引量：1

17

作者 仲志丹 吴进峰 孙勇军 《仪表技术与传感器》 CSCD 北大核心 2019年第6期106-109,114,共5页

为有效地解决抽油机悬点加速度信号计算位移数据时存在漂移误差较大、准确度较低的问题,提出了基于经验模态分解(empirical mode decomposition,EMD)和相关系数判断相结合的方法。根据实测的加速度信号经两次积分后得到的位移信号特点,... 为有效地解决抽油机悬点加速度信号计算位移数据时存在漂移误差较大、准确度较低的问题,提出了基于经验模态分解(empirical mode decomposition,EMD)和相关系数判断相结合的方法。根据实测的加速度信号经两次积分后得到的位移信号特点,进行EMD分解,通过引入相关系数,设定阈值,设计了一种漂移分量判定方法。即通过计算各固有模态分量与原始信号之间的相关系数,分别与提前设定的阈值进行比较,从而判定分解的固有模态分量是否为漂移分量。仿真实验和现场采集的数据测试结果表明了基于EMD以及相关系数的判定方法能够得到漂移误差更小、效果更好、精度更高的位移信号。 展开更多

关键词 抽油机悬点位移 加速度 漂移分量 经验模态分解 相关系数 信号处理

在线阅读 下载PDF 职称材料

抽油机悬点位移间接测量方法研究 被引量：1

18

作者 仲志丹 孙勇军 庞永星 《机床与液压》 北大核心 2019年第8期151-156,共6页

针对利用抽油机悬点加速度信号计算位移精度较差的问题,提出自适应噪声的完备集合经验模态分解(CEEMDAN)自适应降噪和极点对称模态分解(ESMD)去趋势项相结合的求解方法。首先使用CEEMDAN分解加速度信号,然后根据模态分量自相关函数与原... 针对利用抽油机悬点加速度信号计算位移精度较差的问题,提出自适应噪声的完备集合经验模态分解(CEEMDAN)自适应降噪和极点对称模态分解(ESMD)去趋势项相结合的求解方法。首先使用CEEMDAN分解加速度信号,然后根据模态分量自相关函数与原始信号自相关函数的相关系数,确定噪声分量和有效分量的分界点;进一步采用小波阈值法提取噪声分量中有用信号,并基于排列熵的性质自适应确定小波分解的层数;重构所有模态分量实现降噪;再对消噪的加速度信号进行积分变换得到位移,最后使用ESMD剔除趋势项。仿真分析和实测数据结果表明,该方法比现有方法精度更高、自适应性更好。 展开更多

关键词 加速度信号 自适应噪声的完备集合经验模态分解 极点对称模态分解 位移信号

在线阅读 下载PDF 职称材料

基于经验模态分解-支持向量机的滑坡位移预测方法研究 被引量：10

19

作者 姚琦 牛瑞卿 +1 位作者 赵金童 张淼 《安全与环境工程》 CAS 2017年第1期26-32,共7页

滑坡位移时间序列在外因的影响下呈现出单调非平稳的曲线特征,利用经验模态分解法(Empirical Mode Decomposition,EMD)将滑坡累计位移分解为周期项和趋势项,建立支持向量回归(Support Vector Regression,SVR)-布朗单一参数指数平滑(Brow... 滑坡位移时间序列在外因的影响下呈现出单调非平稳的曲线特征,利用经验模态分解法(Empirical Mode Decomposition,EMD)将滑坡累计位移分解为周期项和趋势项,建立支持向量回归(Support Vector Regression,SVR)-布朗单一参数指数平滑(Browns Single Parameter Exponential Smoothing,Browns)模型对滑坡位移进行预测。以三峡库区木鱼包滑坡为例,首先在考虑降雨量和库水位等影响因子的基础上,采用SVR模型对周期项位移进行预测;然后采用Browns模型对趋势项位移进行预测;最后通过时间序列加法模型得到滑坡累计位移预测值,计算得到测试样本的平均绝对误差为13.31mm,均方根误差和判定系数分别为16.6mm和0.83。通过对比分析,结果表明:基于EMD与SVR-Browns模型的滑坡位移预测精度明显优于SVR模型和Browns模型,证明该模型是一种有效的滑坡位移预测方法。 展开更多

关键词 滑坡 位移预测 经验模态分解法 指数平滑模型 支持向量回归模型

在线阅读 下载PDF 职称材料

基于总体经验模态分解的桥梁动态位移重构 被引量：4

20

作者 刘鹏 陈云鹏 邹应全 《振动．测试与诊断》 EI CSCD 北大核心 2021年第3期606-615,628,共11页

针对微机电系统(micro-electro-mechanical-systems,简称MEMS)加速度传感器输出信号通过传统二次积分变换为位移信号时精度较低的问题,根据桥梁振动信号的特点,提出了一种基于总体经验模态分解和时域积分相结合的桥梁动态位移重构方法... 针对微机电系统(micro-electro-mechanical-systems,简称MEMS)加速度传感器输出信号通过传统二次积分变换为位移信号时精度较低的问题,根据桥梁振动信号的特点,提出了一种基于总体经验模态分解和时域积分相结合的桥梁动态位移重构方法。通过桥梁模拟信号的仿真和振动测试台的验证,分析比较了4种桥梁动态位移重构方法。提出的方法可有效消除低频积分漂移和高频环境噪声对积分过程造成的影响,具有更好的自适应性和鲁棒性。通过在公路高架桥梁进行现场试验,验证了方法的有效性。 展开更多

关键词 桥梁 振动 动态位移 加速度 总体经验模态分解

在线阅读 下载PDF 职称材料