-
题名小波分析及支持向量机应用于大气污染预测
被引量：4
- 1
-
-
作者
陈柳
吴冬梅
陈俏
-
机构
西安科技大学能源学院
陕西省第三建筑工程公司
西安外事学院商学院
-
出处
《西安科技大学学报》
CAS
北大核心
2010年第6期726-730,共5页
-
基金
陕西省教育厅专项科研计划项目(07JK312)
-
文摘
针对大气污染物浓度时间序列有一定的年变化趋势,提出了大气污染物浓度的小波分析及支持向量机时间序列预测模型。应用小波分解和重构对大气污染物浓度进行年变化趋势分析,在此基础上将大气污染物浓度序列划分为若干时段。各时段分别独立应用支持向量机进行大气污染物浓度预测,各时段均使用ν-支持向量回归机(ν-SVR)算法和径向基函数。预测结果表明,所提出的预测方法应用于大气污染物浓度时间序列预测有较高的预测精度和良好的推广能力,而且明显优于一般的支持向量机模型。
-
关键词
小波分解和重构
支持向量机
大气污染预测
时间序列
-
Keywords
wavelet decomposition and reconstruction
support vector machine（SVM）
air pollution prediction
time series
-
分类号
X823
[环境科学与工程—环境工程]
-
-
题名噪声对管道超声纵向导波损伤检测的影响
被引量：1
- 2
-
-
作者
宋振华
王志华
程良彦
马宏伟
-
机构
暨南大学
太原理工大学
-
出处
《应用力学学报》
CAS
CSCD
北大核心
2009年第4期781-787,共7页
-
基金
国家自然科学基金项目(10672067)
-
文摘
在管道超声导波检测技术的基础上,对不同程度纵向缺陷的损伤检测进行了数值模拟。利用缺陷反射信号对损伤的定位,通过改变管壁局部刚度,研究了缺陷反射信号强度变化的相关规律以及超声导波对缺陷的敏感度,分析了噪声信号对损伤识别的影响,并利用小波的分解和重构算法将信噪分离。结果表明不同程度的信噪比会对超声导波检测法造成一定的影响,通过低通滤噪的方法对信号进行信噪分离,可实现高噪条件下的损伤检测。
-
关键词
管道
损伤检测
小波变换
噪声
小波分解和重构
-
Keywords
pipe, damage detection, wavelet transform, noise, wavelet decomposition and reconstruction
-
分类号
O235
[理学—运筹学与控制论]
TP277
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名小波和混沌神经网络在大坝变形预测中的应用
被引量：10
- 3
-
-
作者
康传利
陈洋
张临炜
时满星
顾峻峰
-
机构
广西空间信息与测绘重点实验室
桂林理工大学测绘地理信息学院
-
出处
《人民黄河》
CAS
北大核心
2020年第3期101-104,116,共5页
-
基金
国家自然科学基金资助项目(41461089,41541032)
广西空间信息与测绘重点实验室基金项目(桂科能1638025-26,163802515,151400720)
+1 种基金
广西高校科学技术研究项目(KY2015YB126)
广西研究生教育创新计划项目(YCSW2017155)
-
文摘
大坝是复杂的变形系统,其变形表现为动态非线性,也存在混沌现象。为充分利用大坝变形监测位移时间序列,实现位移单变量情况下的准确预测,提出了一种小波和混沌神经网络预测新方法,首先对大坝位移变形监测数据进行小波分解,其次对分解后的平滑信号进行傅里叶函数拟合预测,再对细节信号进行软阈值去噪和混沌神经网络预测,最后将预测信号进行小波重构。通过工程实例对比分析了小波和混沌神经网络预测新方法、神经网络模型、多元回归模型在大坝位移变形预测中的精度。结果表明,小波和混沌神经网络预测方法的预测精度最高,可以应用于大坝变形预测。
-
关键词
相空间重构
LYAPUNOV指数
小波分解和重构
小波去噪
混沌神经网络预测
大坝变形
-
Keywords
phase space reconstruction
Lyapunov index
wavelet decomposition and reconstruction
wavelet denoising
chaotic neural net⁃work prediction
dam deformation
-
分类号
TV698.1
[水利工程—水利水电工程]
-
