期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到944篇文章
< 1 2 … 48 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于互补集合经验模态分解的相位敏感光时域反射计系统降噪方法 被引量：1
1
作者 岳新博 高旭 +2 位作者 高阳 王海涛 鲁秀娥 《红外与激光工程》 北大核心 2025年第2期134-148,共15页
为了提高相位敏感光时域反射计(Φ-OTDR)系统测量振动信号信噪比,提出了一种基于互补集合经验模态分解(CEEMD)的新型去噪方法。CEEMD算法对数字正交(I/Q)解调算法获取的瑞利后项散射光幅值信号和相位信号进行分解,经多尺度排列熵(MPE)... 为了提高相位敏感光时域反射计(Φ-OTDR)系统测量振动信号信噪比,提出了一种基于互补集合经验模态分解(CEEMD)的新型去噪方法。CEEMD算法对数字正交(I/Q)解调算法获取的瑞利后项散射光幅值信号和相位信号进行分解,经多尺度排列熵(MPE)算法筛选后,通过改进的小波阈值算法进行去噪,并设计采用多元宇宙优化(MVO)算法对参数进行优化。实际搭建了外差式Φ-OTDR系统,经仿真和实际测试验证文中算法有效性。最后,将设计算法与以往的经验模态分解-皮尔逊相关系数(EMD-PCC)、自适应噪声完备集合经验模态分解(CEEMDAN)及变分模态分解-改进小波阈值(VMD-NWT)去噪方法进行了对比。结果表明,在10.14 km的传感光纤位置上,该方法对于低频10 Hz、中频200 Hz以及高频1 200 Hz的振动事件,其位置信息信噪比分别可达8.88、30.26、11.90 dB,对不同频率段的振动信号均具备有效的去噪能力,且系统定位精度更高。该方法在提高系统信噪比的同时,成功地对振动信号进行了解调,且解调效果比其他三种算法效果更好,为Φ-OTDR系统降噪研究提供了新思路。 展开更多
关键词 相位敏感光时域反射仪 互补集合经验模态分解算法 多尺度排列熵 改进的小波阈值算法 多元宇宙优化算法
在线阅读 下载PDF
基于互补集合经验模态分解加权能量熵的多端柔性直流电网纵联保护方法
2
作者 国联宁 李昊旻 +2 位作者 张强 潘世佳 耿英三 《高电压技术》 北大核心 2025年第10期5014-5027,I0004,共15页
直流故障的快速可靠识别是保障多端柔性直流电网安全稳定运行的关键。针对现有保护方法在高过渡电阻、雷击干扰以及长距离线路条件下速动性和可靠性不足等问题,提出了一种基于互补集合经验模态分解加权能量熵的纵联保护方法,通过提取故... 直流故障的快速可靠识别是保障多端柔性直流电网安全稳定运行的关键。针对现有保护方法在高过渡电阻、雷击干扰以及长距离线路条件下速动性和可靠性不足等问题,提出了一种基于互补集合经验模态分解加权能量熵的纵联保护方法,通过提取故障暂态电流高频特征构建加权能量熵作为启动判据,融合方向电流能量构建比值型差动区域判据,实现故障快速识别与区段判定。针对双极柔性直流电网故障特性与架空线路易受雷击影响的特点,引入选极判据与雷击干扰识别判据。首先对多端柔性直流电网线路区内、区外故障的故障电流行波进行了时频分析;随后,在此基础上研究了故障前后电流频域能量的变化特征,构建了基于互补集合经验模态分解加权能量熵的纵联保护方法;最后,在PSCAD/EMTDC中搭建四端柔性直流电网模型进行了验证。研究结果表明,该方法可在故障后1.5 ms内迅速识别故障。在300?过渡电阻和20?dB噪声滤波条件下,启动判据变化与区内外判据幅值差异分别超过65.8%和73.33%,可有效区分50 kA雷击干扰。在500μs数据不同步条件下能实现高可靠保护,为长距离多端柔性直流输电的快速高可靠保护提供了理论基础。 展开更多
关键词 多端柔性直流电网 故障识别 互补集合经验模态分解 能量熵 纵联保护 区域特征量
在线阅读 下载PDF
集合经验模态分解-排列熵的锂电池储能方法
3
作者 刘伟峰 刘艳伟 +1 位作者 李峰 柳天杰 《机械设计与制造》 北大核心 2025年第8期27-30,35,共5页
电动汽车行驶阶段受高频需求功率分量作用导致的锂电池寿命下降,为此构建了一种通过集合经验模态分解(EEMD)与排列熵(PE)进行能量管理的方案。利用EEMD把功率信号分解成IMF分量,经过重构处理获得的锂电池功率与超级电容功率。研究结果表... 电动汽车行驶阶段受高频需求功率分量作用导致的锂电池寿命下降,为此构建了一种通过集合经验模态分解(EEMD)与排列熵(PE)进行能量管理的方案。利用EEMD把功率信号分解成IMF分量,经过重构处理获得的锂电池功率与超级电容功率。研究结果表明:电池储能方法减小锂电池的峰值电流,达到稳定电池功率输出以及降低功率波动程度的效果。相对传统电池控制模式,采用EEMD-PE设置的混合储能能量方案可以使低、中、高速状态下的电流均方根值依次降低12.41、18.59、19.42%,同时电流峰值降低55.84、52.31与42.06%。相对电池的储能系统控制性能,这里的方法可以使锂电池降低19.40%的均方根电流,同时电流峰值也降低达到55.91%。该研究有效发挥超级电容大倍率充放电的优势,为系统的高频功率运行提供支持。 展开更多
关键词 电动汽车 混合储能 集合经验模态分解 排列熵
在线阅读 下载PDF
基于改进集合经验模态分解和强化视觉Transformer模型的风电机组故障预警
4
作者 许伯强 王彪 +1 位作者 孙丽玲 尹彦博 《电工技术学报》 北大核心 2025年第20期6537-6551,共15页
现有基于数据采集与监视控制系统(SCADA)数据的风电机组故障预警方法往往只针对风电机组的某一位置或者某一类型故障,无法对风电机组整体进行较为全面的预警。针对这一问题,该文提出了基于改进集合经验模态分解(EEMD)和强化的视觉转换器... 现有基于数据采集与监视控制系统(SCADA)数据的风电机组故障预警方法往往只针对风电机组的某一位置或者某一类型故障,无法对风电机组整体进行较为全面的预警。针对这一问题,该文提出了基于改进集合经验模态分解(EEMD)和强化的视觉转换器(ViT)模型的风电机组故障预警方法。首先,对EEMD算法进行改进,分解得到的数据包含不同时间尺度的特征信息,且使得分解过程中不发生信息泄露。采用改进的EEMD算法解构风电机组SCADA多维数据之后,构建反映风电机组实时状态的特征矩阵。然后,结合非对称卷积模块对ViT模型进行强化,并加入可变形注意力模块,在降低计算复杂度的同时使得模型可以充分捕捉不同维度与时间尺度的风电机组特征。最后,将特征矩阵输入强化的ViT模型以获得预测结果,与实际值对比得到残差矩阵,依此进行风电机组故障的预警。经风电机组实际运行SCADA数据验证,该文提出的风电机组故障预警方法准确有效,并可通过残差矩阵进一步辨识风电机组发生的故障类型。 展开更多
关键词 风电机组 数据采集与监视控制系统(SCADA)数据 故障预警 改进集合经验模态分解(eemd) 强化ViT模型
在线阅读 下载PDF
数控车床主轴热误差完全自适应经验模态分解与小波阈值变换分离方法
5
作者 陈庚 丁强强 +2 位作者 苏哲 郭世杰 唐术锋 《航空制造技术》 北大核心 2025年第6期104-114,共11页
数控车床主轴热误差是影响车床加工精度的主要因素之一。为提高热误差测量准确度,降低测量技术要求,提出一种基于完全自适应噪声集合经验模态分解(ICEEMDAN)和经验小波变换(EWT)的车床热误差信息分离方法。首先,使用ICEEMDAN算法对原始... 数控车床主轴热误差是影响车床加工精度的主要因素之一。为提高热误差测量准确度,降低测量技术要求,提出一种基于完全自适应噪声集合经验模态分解(ICEEMDAN)和经验小波变换(EWT)的车床热误差信息分离方法。首先,使用ICEEMDAN算法对原始信号进行分解,将获得的低频模态分量重构后作为EWT算法的输入进行分解,使用离散系数评估EWT算法每次迭代的分解效果。其次,通过对一组仿真信号进行分解,验证该方法的准确性,与ICEEMDAN算法相比,ICEEMDAN-EWT算法的均方根误差(RMSE)降低了5.2%。最后,在CKA6 163A型车床上进行试验,使用五点法辨识热误差,将ICEEMDAN-EWT分离算法与傅里叶变换(FFT)算法进行对比。结果表明,与FFT算法相比,使用ICEEMDAN-EWT算法分离出的5项热变形信号与机床温度的Pearson相关性提高了3.8%,Spearman相关性提高了6.6%,准确度更高。 展开更多
关键词 数控车床 主轴 热误差 完全自适应噪声集合经验模态分解-经验小波变换(ICeemdAN-EWT) 误差分离
在线阅读 下载PDF
基于互补集合经验模态分解和支持向量回归机的城市轨道交通线路轨距劣化预测 被引量：1
6
作者 贾清天 林海剑 金忠 《城市轨道交通研究》 北大核心 2025年第1期50-55,共6页
[目的]为了加强城市轨道交通区间线路质量的状态管理,需要对轨距在空间上的整体劣化趋势进行预测。[方法]引入CEEMD(互补集合经验模态)理论,提取轨道区间几何形位的IMF(本征模态函数),利用PSO(改进粒子群)算法优化SVR(支持向量回归机),... [目的]为了加强城市轨道交通区间线路质量的状态管理,需要对轨距在空间上的整体劣化趋势进行预测。[方法]引入CEEMD(互补集合经验模态)理论,提取轨道区间几何形位的IMF(本征模态函数),利用PSO(改进粒子群)算法优化SVR(支持向量回归机),对提取数据进行训练,标定预测模型最优参数后进行测试集验证,构建CEEMD-PSO-SVR预测模型。通过上海轨道交通16号线上行轨道区间K12+134—K15+743内的1128组轨检样本数据对预测模型进行了试验。[结果及结论]CEEMD-PSO-SVR预测模型同PSO-SVR模型、ARIMA(自回归移动平均模型)相比,在均方根误差、平均绝对误差、平均相对误差绝对值等3项性能评价指标上具有优势。 展开更多
关键词 城市轨道交通线路 轨距劣化 互补集合经验模态分解 支持向量回归机
在线阅读 下载PDF
电阻抗断层成像技术的心肺信号降维集合经验模态分解方法研究
7
作者 李坤 李蔚琛 +4 位作者 郭奕彤 王伟策 王煜 闫孝姮 史学涛 《中国生物医学工程学报》 CAS CSCD 北大核心 2024年第5期539-549,共11页
心脏射血与肺通气活动信息的实时获取具有重要临床意义。本研究提出了一种基于胸部电阻抗断层成像(EIT)的心肺信号降维集合经验模态分解方法,以同时分离胸部EIT数据中的心脏射血和肺通气活动信号。招募9名志愿者进行了EIT胸部数据采集... 心脏射血与肺通气活动信息的实时获取具有重要临床意义。本研究提出了一种基于胸部电阻抗断层成像(EIT)的心肺信号降维集合经验模态分解方法,以同时分离胸部EIT数据中的心脏射血和肺通气活动信号。招募9名志愿者进行了EIT胸部数据采集。首先,根据屏息状态下胸部EIT数据中心脏活动信号的强弱对测量通道分类;随后,使用集合经验模态分解方法对自主呼吸状态下的EIT数据进行分解,并根据频谱特性对分解出的各分量归类,以得到肺通气EIT信号;然后,结合带通滤波方法,同时依据前述通道分类对心脏活动信号降维,得到心脏活动EIT信号;最后,重构得到通气相和心搏相EIT图像序列。结果表明,该方法可在通气相图像的肺区能够获得最高的肺通气功率谱峰(52.71±1.39)dB,在心搏相图像的心脏区域能够获得最高的心脏活动功率谱峰(43.05±3.26)dB,表明保留的通气信息和心脏活动信息非常丰富,同时在通气相图像心脏区域获得了最低心脏活动相关功率谱峰(10.02±2.65)dB,表明心脏活动的抑制效果更佳,相较于参考方法均有显著性差异(P<0.05)。研究表明,该方法可以有效分离肺通气与心脏活动相关信号,分别保留各自活动信息并抑制心脏对肺区成像的影响,同时实现对干扰信号的有效抑制,为临床上提供更加准确的治疗策略指导奠定基础。 展开更多
关键词 电阻抗断层成像 集合经验模态分解 心脏活动相关信号 肺通气
在线阅读 下载PDF
一种基于改进经验模态分解与A-LSTM混合神经网络的股价预测方法
8
作者 苏兆辉 尚领 +1 位作者 刘志中 皇浩 《南京大学学报(自然科学版)》 北大核心 2025年第4期613-623,共11页
由于股价序列存在非线性、多噪声的特点,股票价格预测一直是一项具有挑战性的任务,许多研究采用分解算法来提高预测精度,但仅仅关注了克服股价非线性的问题,没有考虑其他价格因素.为了解决上述问题,提出一种基于改进经验模态分解与A-LST... 由于股价序列存在非线性、多噪声的特点,股票价格预测一直是一项具有挑战性的任务,许多研究采用分解算法来提高预测精度,但仅仅关注了克服股价非线性的问题,没有考虑其他价格因素.为了解决上述问题,提出一种基于改进经验模态分解与A-LSTM(Long Short-Term Memory)混合神经网络的股价预测方法,在引入多个数据指标的基础上,结合互补集合经验模态分解算法与注意力增强的LSTM来预测股价.首先,利用互补集合经验模态分解方法来分解股票原始收盘价,得到多个本征模态函数(Intrinsic Mode Functions,IMFs)和一个趋势项,可以在降低股价非线性的同时,提取IMF的多尺度特征;其次,将得到的IMF、趋势项及最高价、最低价和收盘价一同输入注意力增强的LSTM,学习多个股票影响因子并挖掘其特征信息;最后,利用注意力增强的LSTM来学习特征中的长期依赖关系和动态调整输入特征的权重,突出关键信息,输出预测结果 .在两个股市的四只股票数据集上的实验结果显示,该方法的效果优于基准模型,具有良好的准确性与稳定性,可以为金融市场分析和投资决策提供一定的支持. 展开更多
关键词 互补集合经验模态分解 多特征提取 LSTM 注意力机制 股价预测
在线阅读 下载PDF
基于集合经验模态分解和Q学习策略的短期负荷预测模型
9
作者 段秦尉 何祥针 +2 位作者 潮铸 谢祥中 兰萱丽 《现代电力》 北大核心 2025年第2期360-368,共9页
短期负荷预测对电力系统的安全稳定运行有着重要意义,为此,提出一种基于集合经验模态分解和Q学习策略优化的短期负荷预测模型。首先,采用集合经验模态分解对原始负荷序列进行分解,以降低预测难度。其次,在此基础上分别采用卷积神经网络... 短期负荷预测对电力系统的安全稳定运行有着重要意义,为此,提出一种基于集合经验模态分解和Q学习策略优化的短期负荷预测模型。首先,采用集合经验模态分解对原始负荷序列进行分解,以降低预测难度。其次,在此基础上分别采用卷积神经网络、残差神经网络、长短时记忆神经网络和门控循环单元网络4个深度学习模型进行预测得到4个预测结果,再对其加权组合获得最终的负荷预测值。第三,利用Q学习策略对组合权重进行优化,进而最大化组合模型的预测性能。最后,通过某地区真实采集的负荷数据进行实验,结果表明文中所提出的组合预测模型优于其他预测模型,并验证了所提模型的有效性。 展开更多
关键词 短期负荷预测 集合经验模态分解 深度学习模型 Q学习策略
在线阅读 下载PDF
融合自适应滑动集合经验模态分解的机器学习月径流预测方法 被引量：4
10
作者 胡永旭 乔长录 +1 位作者 刘延雪 李旭 《水电能源科学》 北大核心 2024年第10期6-10,共5页
为提高月径流预测精度,解决传统分解集成径流预测方法提前引入“未来信息”在实际工程中无法实现的问题,提出了一种基于自适应滑动集合经验模态分解(ASEEMD)、秃鹰搜索(BES)算法和极限学习机(ELM)耦合的月径流预测模型(ASEEMD-BES-ELM)... 为提高月径流预测精度,解决传统分解集成径流预测方法提前引入“未来信息”在实际工程中无法实现的问题,提出了一种基于自适应滑动集合经验模态分解(ASEEMD)、秃鹰搜索(BES)算法和极限学习机(ELM)耦合的月径流预测模型(ASEEMD-BES-ELM)。并以玛纳斯河1957~2014年的月径流序列为例,首先,利用ASEEMD对原始月径流序列自适应分解,得到若干子序列;其次,将各子序列分别输入到结合BES算法和网格搜索优化后的ELM模型中预测;最后,累加各子序列预测结果,得到最终月径流预测值。与ELM^(*)、BES-LEM^(*)、BES-ELM、EEMD-BES-ELM(传统“捆绑分解”)模型对比结果表明,ASEEMD-BES-ELM模型的纳什效率系数为0.971、平均绝对误差为5.173m^(3)/s、均方根误差为8.282m^(3)/s、平均绝对百分比误差为16.033%,在符合实际应用中预测精度最高。结果可为干旱区月径流预测研究提供参考。 展开更多
关键词 月径流预测 自适应分解 集合经验模态分解 秃鹰搜索算法 极限学习机 玛纳斯河
在线阅读 下载PDF
基于自适应噪声完全集合经验模态分解与BiLSTM-Transformer的锂离子电池剩余使用寿命预测 被引量：7
11
作者 刘斌 吉春霖 +2 位作者 曹丽君 武欣雅 段云凤 《电力系统保护与控制》 EI CSCD 北大核心 2024年第15期167-177,共11页
锂离子电池剩余使用寿命(remaining useful life,RUL)是使用者十分关心的问题,其涉及电池的更换时间和安全。针对锂离子电池的电容量非线性变化趋势,提出了一种基于自适应噪声完全集合经验模态分解与双向长短期记忆网络-Transformer的... 锂离子电池剩余使用寿命(remaining useful life,RUL)是使用者十分关心的问题,其涉及电池的更换时间和安全。针对锂离子电池的电容量非线性变化趋势,提出了一种基于自适应噪声完全集合经验模态分解与双向长短期记忆网络-Transformer的锂离子电池剩余使用寿命预测方法。首先,利用自适应噪声完全集合经验模态分解方法对锂离子电池电容量数据进行分解。其次,使用串联的双向长短期记忆神经网络和Transformer网络对分解后得到的残差序列和本征模态分量序列进行建模预测。最后,将预测的若干本征模态分量序列和残差序列进行求和,并对求和之后的最终预测数据与原始数据进行RUL预测。采用NASA公开的电池数据集对所提方法进行验证,结果表明,所提方法的平均绝对误差、均方根误差、平均绝对百分比误差和绝对误差控制分别控制在0.0173、0.0231、1.2084%和3个循环周期以内,能够有效地提高锂离子电池RUL的预测精度。 展开更多
关键词 锂离子电池 剩余使用寿命预测 Transformer网络 双向长短期记忆网络 完全集合经验模态分解
在线阅读 下载PDF
基于集合经验模态分解敏感固有模态函数选择算法的滚动轴承状态识别方法 被引量：33
12
作者 王玉静 康守强 +3 位作者 张云 刘学 姜义成 Mikulovich V I 《电子与信息学报》 EI CSCD 北大核心 2014年第3期595-600,共6页
为了更有效地提取滚动轴承各状态振动信号的特征,该文提出了一种基于集合经验模态分解(EEMD)的敏感固有模态函数(IMF)选择算法。该算法对振动信号经EEMD分解后得到的固有模态函数采用峭度值、相关系数相结合的方法自动提取其敏感分量,... 为了更有效地提取滚动轴承各状态振动信号的特征,该文提出了一种基于集合经验模态分解(EEMD)的敏感固有模态函数(IMF)选择算法。该算法对振动信号经EEMD分解后得到的固有模态函数采用峭度值、相关系数相结合的方法自动提取其敏感分量,以此获得振动信号的初始特征。再运用奇异值分解和自回归(AR)模型方法得到滚动轴承各状态振动信号的特征向量,并将其输入到改进的超球多类支持向量机中进行智能识别,从而实现滚动轴承的正常状态,不同故障类型及不同性能退化程度的各状态识别。实验结果表明,相比基于经验模态分解结合自回归模型或奇异值分解的特征提取方法,该方法可更有效地提取滚动轴承故障特征信息,且识别精度更高。 展开更多
关键词 信号处理 状态识别 非平稳信号 集合经验模态分解(eemd) 敏感固有模态函数(IMF)
在线阅读 下载PDF
基于模态分解和RIME-CNN-BiLSTM-AM的风速预测方法
13
作者 朱婷 颜七笙 《科学技术与工程》 北大核心 2025年第20期8514-8525,共12页
作为一种清洁的可再生能源,风能在缓解日益严重的能源危机方面充当着重要作用。然而,风速的波动性和随机性给电力系统的稳定运行带来了严峻的挑战。针对该问题,提出一种基于自适应噪声完备集合经验模态分解(complete ensemble empirical... 作为一种清洁的可再生能源,风能在缓解日益严重的能源危机方面充当着重要作用。然而,风速的波动性和随机性给电力系统的稳定运行带来了严峻的挑战。针对该问题,提出一种基于自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)与霜冰优化算法(rime optimization algorithm,RIME)-卷积神经网络(convolutional neural network,CNN)-双向长短期记忆网络(bidirectional long short-term memory network,BiLSTM)-注意力机制(attention mechanism,AM)的短期风速预测组合模型CEEMDAN-RIME-CNN-BiLSTM-AM。首先,对初始风速序列采用CEEMDAN算法,得到一系列较平稳的子模态,以降低风速序列的波动性;然后,采用RIME霜冰优化算法优化CNN超参数,建立CNN-RIME模型,对风速数据进行自适应提取和挖掘;接着,采用BiLSTM-AM模型对处理后的数据进行预测;最后,将各子序列的预测结果叠加,得到最终预测结果。以某地实际风速数据集进行对比试验,该模型在单步与多步预测中均展现出良好的预测性能,可以为制定调度计划提供参考,以最大程度地提高能源利用率和供电。 展开更多
关键词 风速预测 自适应噪声完备集合经验模态分解(CeemdAN) 霜冰优化算法(RIME) 卷积神经网络(CNN) 双向长短期记忆网络(BiLSTM) 注意力机制(AM)
在线阅读 下载PDF
基于集合经验模态分解的河北唐山井同震响应特征 被引量：1
14
作者 许英霞 丁俊柯 +4 位作者 马传璧 郭建芳 尹宝军 曹冲 左文喆 《地球科学与环境学报》 CAS 北大核心 2024年第2期252-268,共17页
集合经验模态分解(EEMD)能够客观真实地从非线性、非平稳信号中提取有用信息,地震观测井的井水位表征的波形信号也是典型的非线性、非平稳信号,因此,集合经验模态分解在获取井水位同震响应信息方面具有重要的应用潜力。通过观测河北唐山... 集合经验模态分解(EEMD)能够客观真实地从非线性、非平稳信号中提取有用信息,地震观测井的井水位表征的波形信号也是典型的非线性、非平稳信号,因此,集合经验模态分解在获取井水位同震响应信息方面具有重要的应用潜力。通过观测河北唐山井2016~2023年多次井水位同震响应,研究集合经验模态分解对井水位分析处理的优缺点,识别唐山井对远震、近震的井水位同震响应特征,应用地震能量密度经验公式推测唐山井记震能力。结果表明:唐山井水位观测数据秒值在经过集合经验模态分解后,对合适的高频分量进行重构可以压制噪声干扰,有利于观察井水位同震响应特征;对于远场大震引起的振荡型同震响应可以客观真实地进行识别和提取;对于近场地震引起的脉冲型和阶变型同震响应,需结合原始数据进行研究;井水位观测数据秒值有利于揭示区域应力场的变化,因观测数据秒值记震精度提高,唐山井能够记录到地震能量密度为1.77×10^(-7) J·m^(-3)的地震,观测井对不同方位地震的敏感度可用于研究其所在断裂带的裂隙走向。对于超过一定距离的远场地震,井-含水层系统能够记录到的井水位同震响应频率可在一定的范围内估算观测井的固有振动频率,唐山井固有振动频率和地震瑞丽面波频率接近。 展开更多
关键词 同震响应 唐山井 集合经验模态分解 观测数据秒值 固有频率 地震方位 裂隙走向 地震能量密度
在线阅读 下载PDF
基于集合经验模态分解和人工蜂群算法的工厂化养殖pH值预测 被引量：25
15
作者 徐龙琴 李乾川 +1 位作者 刘双印 李道亮 《农业工程学报》 EI CAS CSCD 北大核心 2016年第3期202-209,共8页
针对单一预测模型预测养殖pH值精度低等问题,提出集合经验模态分解(ensemble empirical mode decomposition,EEMD)和改进人工蜂群算法(improve artificial bee colony,IABC)相结合的南美白对虾工厂化养殖pH值组合预测模型。在建模过程中... 针对单一预测模型预测养殖pH值精度低等问题,提出集合经验模态分解(ensemble empirical mode decomposition,EEMD)和改进人工蜂群算法(improve artificial bee colony,IABC)相结合的南美白对虾工厂化养殖pH值组合预测模型。在建模过程中,利用EEMD算法对原始pH值时间序列进行多尺度分解,得到一组平稳、互不耦合的子序列;根据各子序列变化特征选择适宜的单项预测方法并建模,通过改进人工蜂群(IABC)算法优化复杂非线性组合预测模型目标函数权重系数,构建了工厂化养殖pH值非线性组合预测模型。利用该模型对广东省湛江市2014年9月8日-2014年9月15日期间工厂化养殖pH值进行预测,结果表明,该预测模型取得了较好的预测效果,与模拟退火优化BP神经网络(simulated Annealing-BP neural network,SA-BPNN)和遗传算法优化最小二乘支持向量回归机(genetic algorithm-least square support vector regression,GA-LSSVR)对比分析,模型评价指标平均绝对百分比误差MAPE、均方根误差、平均绝对误差MAE和相关系数R2分别为0.0035、0.0274、0.0224和0.9923,均表明该文提出的组合预测模型具有更高预测精度,能够满足实际南美白对虾工厂化养殖pH值精细化管理需要,也为其他领域pH值预测提供参考。 展开更多
关键词 算法 pH值 水产养殖 组合预测 集合经验模态分解 人工蜂群算法 南美白对虾
在线阅读 下载PDF
基于改进的集合经验模态分解的爆破振动信号趋势项消除方法 被引量：10
16
作者 李晨 梁书锋 +2 位作者 刘传鹏 程健 刘殿书 《北京理工大学学报》 EI CAS CSCD 北大核心 2021年第6期636-641,共6页
针对实测爆破振动信号中存在的趋势项干扰问题,基于改进的集合经验模态分解,提出一种趋势项消除方法,并进行了模拟信号的仿真计算和爆破振动信号的实例分析.信号仿真计算结果显示:对于持续振动信号,该方法的趋势项提取结果与已有的基于... 针对实测爆破振动信号中存在的趋势项干扰问题,基于改进的集合经验模态分解,提出一种趋势项消除方法,并进行了模拟信号的仿真计算和爆破振动信号的实例分析.信号仿真计算结果显示:对于持续振动信号,该方法的趋势项提取结果与已有的基于经验模态分解或集合经验模态分解的趋势项消除方法较为接近;但当测试信号呈间歇振动时,该方法对趋势项的提取更为充分,体现了其对分段爆破振动信号中趋势项消除的优越性和适用性.同时,爆破振动速度信号的实例分析验证了该方法在实际应用过程中的可靠性. 展开更多
关键词 爆破振动 趋势项 改进的集合经验模态分解 均值比 固有模态函数
在线阅读 下载PDF
基于集合经验模态分解和套索算法的短期风速组合变权预测模型研究 被引量：13
17
作者 杨磊 黄元生 +2 位作者 张向荣 董玉琳 高冲 《电力系统保护与控制》 EI CSCD 北大核心 2020年第10期81-90,共10页
准确的风速预测对风电场实现平稳出力具有重要意义。为提高短期风速预测精度,提出一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)、套索算法(Least Absolute Shrinkage and Selection Operator, LASSO)、遗传算... 准确的风速预测对风电场实现平稳出力具有重要意义。为提高短期风速预测精度,提出一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)、套索算法(Least Absolute Shrinkage and Selection Operator, LASSO)、遗传算法(Genetic Algorithm, GA)、广义回归神经网络(General Regression Neural Network, GRNN)和长短期记忆模型(Long Short-Term Memory,LSTM)的短期风速变权组合预测模型(Variable Weighted Hybrid Model, VWHM)。首先运用集合经验模态分解技术,将原始风速时间序列分解成多个不同的子序列。然后运用套索算法对各个子序列的数据变量进行筛选,提取代表性变量作为预测输入。最后利用GA的全局优化能力,对由GRNN和LSTM构成的组合预测模型的权重系数进行移动样本自适应变权求解,并加权得到最终预测结果。仿真结果表明,所提的变权组合模型比单一模型以及传统组合模型具有更高的预测精度,且在风速预测中具有优越性。 展开更多
关键词 短期风速预测 集合经验模态分解 套索算法 广义回归神经网络 长短期记忆 遗传算法
在线阅读 下载PDF
基于改进的集合经验模态方法振动信号分解 被引量：8
18
作者 刘涛 杜世昌 +2 位作者 黄德林 任斐 梁鑫光 《上海交通大学学报》 EI CAS CSCD 北大核心 2016年第9期1452-1459,共8页
针对集合经验模态分解(EEMD)中2个重要参数白噪声幅值系数和集合平均次数的优化问题,提出了一种基于变步长模式搜索的集合经验模态方法.该方法以EEMD期望的分解误差设定值为目标,利用自适应EEMD得到的白噪声幅值系数为初值,对不同振动... 针对集合经验模态分解(EEMD)中2个重要参数白噪声幅值系数和集合平均次数的优化问题,提出了一种基于变步长模式搜索的集合经验模态方法.该方法以EEMD期望的分解误差设定值为目标,利用自适应EEMD得到的白噪声幅值系数为初值,对不同振动信号能够自动获取合适的EEMD参数,解决模态混叠问题.仿真实验和工程案例验证结果表明:与传统EEMD和自适应EEMD相比,基于变步长模式搜索的EEMD方法具有更高的分解精度及更快的运算效率. 展开更多
关键词 集合经验模态分解 变步长模式搜索 振动信号 模态混叠
在线阅读 下载PDF
基于集合经验模态分解和信号结构分析的心电信号R波识别算法 被引量：11
19
作者 林金朝 李必禄 +2 位作者 李国权 黄正文 庞宇 《电子与信息学报》 EI CSCD 北大核心 2021年第8期2352-2360,共9页
R波作为确定心电信号各波段的重要参考,是心电自动分析的前提。针对大多数R波识别算法的预处理过程影响识别准确度和耗时问题,该文提出一种基于集合经验模态分解(EEMD)和信号结构分析的算法对带噪心电信号(ECG)的R波直接进行识别。首先... R波作为确定心电信号各波段的重要参考,是心电自动分析的前提。针对大多数R波识别算法的预处理过程影响识别准确度和耗时问题,该文提出一种基于集合经验模态分解(EEMD)和信号结构分析的算法对带噪心电信号(ECG)的R波直接进行识别。首先通过EEMD将带噪声的心电信号分解成一系列本征模态分量,然后对分解后的各模态分量作独立成分分析以提取出R波特征最明显的成分,对该成分进行结构分析,从而实现对R波的准确定位。仿真结果表明,该文算法对带噪声心电信号的R波识别具有更优性能,对异常心电信号的R波识别也具有明显效果。 展开更多
关键词 心电信号 R波识别 集合经验模态分解 信号结构分析
在线阅读 下载PDF
汇改后中国外汇市场与资本市场联动效应——基于集合经验模态分解法 被引量：5
20
作者 李成 张琦 李文乐 《北京理工大学学报（社会科学版）》 CSSCI 2016年第2期64-70,共7页
以投资者预期收益变动逻辑起点,构建在不同预期收益下外汇市场与资本市场的联动机制理论模型,进而将2005—2014年按金融市场改革历程划分为4个阶段,通过集合经验模态分解法对中国外汇市场与资本市场的数据进行分解,过滤掉代表资本价格... 以投资者预期收益变动逻辑起点,构建在不同预期收益下外汇市场与资本市场的联动机制理论模型,进而将2005—2014年按金融市场改革历程划分为4个阶段,通过集合经验模态分解法对中国外汇市场与资本市场的数据进行分解,过滤掉代表资本价格随机波动的短周期分量,提取最具代表联动性的长周期趋势分量。采用VAR-GARCH-BEKK模型对4个阶段两个市场的均值溢出效应和波动溢出效应进行分析,结果显示:受中国经济增长的方式以及外汇管制制度影响,不同阶段两个市场间的溢出效应呈现出不同的特点,虽然总体来看联动强度有一定程度的加强,但是两个市场间"资金价格"传导机制的脆弱性并未获得实质性的改变。因此,只有推进汇率市场化,循序渐进的加快资本项目可兑换,完善人民币汇率形成机制,才能够不断提高货币政策调控的主动性和有效性性,维护国家利益。 展开更多
关键词 汇率改革 联动效应 集合经验模态分解
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 48 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部