小波网络模型及其在日流量预测中的应用

基于小波分析和人工神经网络两者的优点,本文尝试将小波分析与ANN结合建立松散型WNN耦合模型,通过小波变换把南告水库的日流量序列分解成不同频段的子序列,再对这些子序列分别采用BP神经网络进行预测,最后利用小波重构得到整体的预测效果,并与传统BP模型结果相比较.研究结果表明,该方法提高了预报精度,可以成功地用于水文模拟和预测.     

基于DWT的水文序列复杂性分析

在对流域出口断面实测年径流序列和年降雨序列进行离散小波变换(DWT)的基础上,利用信息量系数(ICF)和赫斯特(Hurst)系数2种不同的指标,分别定量描述了2种指标下水文序列的复杂性.结果表明,年降雨序列的复杂性均大于实测年径流序列的复杂性.     

基于小波消噪的改进的非参数解集模型

首先对文献[2]提出的非参数解集模型进行了改进，然后建议了用小波技术对水文序列进行消噪处理再估计非参数解集模型中的带宽系数的策略。改进的非参数解集模型无需对水文序列相依结构（线性或非线性）和概率分布形式（正态分布、P-Ⅲ型分布）作假定，且能保持水文序列的各种统计特性，适用于时间量和空间量的随机解集。最后以金沙江流域某站月径流随机模拟为例进行验证，研究表明：改进模型能反映实测月径流系列的变化特性，因而用于水文随机模拟是可行的。     

基于连续小波变换的水文序列变化特征研究

为揭示复杂水文现象中的精细结构，应用小波分析的多分辨率分析和分形理论相结合的途径探讨了水文序列变化的统计特征。将水文序列进行连续小波变换，得到小波变换系数，计算出小波变换系数的动力学特征指标——分维随尺度的变化过程。根据分维随尺度的变化特性，探讨了水文序列的奇异性(突变、跳跃等)变化。通过仿真试验和实际径流资料计算分析，表明提出的方法是有意义的，并且可行。     

基于小波变换的系统边际电价分析与预测

摘要：基于小波变换的系统边际电价(System Marginal Price,SMP)数据分析,根据系统边际电价的特点,建立用于系统边际电价预测的模型。利用小波变换时频局部化功能,将原电价时间序列分解成不同的尺度,对不同尺度上的子序列分别采用人工神经网络和AR模型进行预测,最后将不同尺度预测结果通过小波重构还原,得到系统边际电价预测结果。实例验证表明预测模型能有效提高预测精度,可用于系统边际电价预测。     

小波分析在AR模型重构路面不平度中的应用

针对线性滤波器AR模型重构路面不平度时低频处误差较大的问题,提出利用小波分析的时频特性来调整重构的路面随机序列。首先根据等级路面的功率谱利用AR模型构造C级路面随机序列,然后利用小波分析的小波分解方法和小波包分解方法对路面随机序列进行分解,根据信号能量与信号振幅平方成正比原理,调整信号分解分量各频段的振幅后再进行信号重构,并在时域和频域上与原信号进行对比。仿真结果表明,小波分解方法和小波包分解方法都能提高重构路面功率谱与目标功率谱的拟合精度,且小波包分解方法在处理高频分解分量时更具优势。     

水文时间序列多时间尺度分析的小波变换法

以长江宜昌站近100年（1890～1987）年平均流量过程为例，利用Marr小波和Morlet小波变换对水文序列的多时间尺度演变特性进行了分析，研究结果表明，其年际及年代际时间尺度在时间域中分布很不均匀，具有明显的局部化特征，小波变换法分析了水文水资源系统多时间尺度是优越的。     

基于DWT的路面不平度模拟的研究

为了更好地模拟实测路面不平度,提出了基于DWT的FD过程路面不平度模型.与传统的AR模型相比,该模型模拟的等级路面不平度精度高且时间开销小.利用离散小波变换对FD过程去相关,并采用平稳或非平稳FD过程最大可能性估计,对实测路面不平度进行了模拟,结果表明:所模拟的路面不平度与实测路面不平度比较相近.     

基于小波和神经网络模型的邮电业务总量预测

引入极大重叠离散小波变换的概念,利用极大重叠离散小波变换的多分辨分析特性,对邮电业务总量序列进行分解.然后对分离得到的光滑项和细节项两部分利用小波神经网络模型进行建模和预测,最后再重构得到邮电业务总量序列的预测值.数据测试结果表明:本文方法可实现多步预测,且对邮电业务总量的预测精度比单纯的用小波神经网络模型或BP神经网络模型高.     

钱塘江河口径流长周期特性及其对河床的影响

针对水文时间序列的非平稳性,采用小波分析方法研究钱塘江河口年径流序列的近似周期及其变化趋势.在分析复Morlet小波函数基本特性的基础上,选用该小波对标准化径流序列进行小波变换,根据小波变换系数模与实部的时频分布以及小波方差图揭示钱塘江河口年径流过程伴随着21a左右的显著周期成分,预计在2008-2010年间,该河口仍将维持径流偏枯的趋势,而后才转入偏丰期.结合历年的实测水下地形资料,分析径流周期性变化与河口河床冲淤之间的关系.结果表明,两者关系密切,在径流偏丰期,河床冲刷河势顺直;在径流偏枯期,河床淤积河势弯曲.     

雅砻江中上游径流变化特性的小波分析

根据雅砻江流域中上游雅江(1970~2004年)、洼里(1972~2004年)两水文站月径流资料,采用Db3小波函数分析径流特性和变化趋势.结果表明:雅江站径流总体呈增长趋势,但增长速度已经变缓;洼里站径流在1993年前呈稳定增长趋势,但在1993年后径流减少趋势越来越明显;而雅江-洼里区间径流量一直呈减少趋势.利用复Morlet小波通过连续小波变换分析径流的周期特性,并用小波方差识别主周期.结果表明:雅江站径流序列存在10~11 a的第一主周期和5 a左右、2~3 a的次主周期;洼里站径流序列存在9~10 a的第一主周期,5 a左右、2~3 a的次主周期和一个1 a左右的不明显周期.     

基于小波映射跳频码的跳频系统性能研究

为研究基于小波跳频码的跳频系统性能,采用小波跳频扩频码和小波快速算法,依据小波变换构造了一组独立均匀分布的扩频随机码,码序列具有多址和自相关特性,结合M allat二进小波算法,产生快跳频的跳频图案,具有抗干扰、抗衰落和抗多径特点.与M序列比较,小波跳频码数目众多,具备快速算法,而且具有正交性、自相关性和平衡性.Monte-Carlo仿真实验表明,采用小波映射跳频码系统误码性能明显优于M伪随机序列2-4 dB,是一种较理想的跳频随机码序列.     

基于小波分析的BP神经网络膜蛋白跨膜螺旋区段预测

基因组计划所产生的大量蛋白质序列迫切需要从理论上预测跨膜螺旋区段。提出了基于小波多分辨分析的BP神经网络膜蛋白跨膜螺旋区段的预测新方法,并把此方法称之为WnnTM。从MPtopo数据库中随机抽取80条三维结构已知的膜蛋白质序列构建数据集,把它们映射成疏水值序列,通过小波分解和重构得到小波系数,并结合BP神经网络构造小波BP神经网络预测模型,对膜蛋白跨膜螺旋区段的位置和数目进行预测。实例验证,WnnTM预测方法比单独用BP神经网络对膜蛋白跨膜螺旋区段进行预测更有效。     

基于第二代小波的增强边缘的图像去噪

传统的一些去噪技术往往是以牺牲图像的边缘和细节为代价的。为了去掉图像的噪声,同时又能够很好地保留图像的边缘和纹理细节,在介绍第二代小波变换的原理的基础上,提出使用边缘检测的方法检测出图像的边缘和纹理细节,将它和该图像进行融合,用第二代小波对含噪图像进行分解,对图像高频进行自适应去噪。由于图像在去噪前融合了边缘信息,因此边缘和细节部分得到了增强。仿真结果表明：该去噪方法优于传统小波阈值去噪方法。     

长江上游主要河流年径流序列变化特性分析

为探讨长江上游年径流的变化特性,采用随机分析法、小波分析法和集对原理,研究长江上游主要河流年径流序列的趋势性、周期性、相依性、持续性和丰枯变化.结果表明,长江上游主要河流年径流序列多数存在趋势性,具有不同的周期成分且在时域上分布不均匀,年径流序列间具有自互相关特性且可能存在一定的长持续性相关结构,年径流在空间上具有丰枯同步变化特点.     

Observed displacement data-based identification method of deformation time-varying effect of high concrete dams

The long-term safety of high concrete dams has become the focus and central issues of public attention. Deformation is an actual comprehensive reflection of concrete dams. Especially the deformation time-varying effect, is a key index for evaluating the structural behavior, health status, and their evolution of a concrete dam in long-term service. In this paper, causing factors of the deformation time-varying effect of concrete dams were analyzed, and the time-varying effect was divided into two parts, which are the inherent time-varying effect and the time-varying effect caused by the change of dam structural performance. Then, based on the observed dam displacement and the wavelet multi-resolution analysis, causal models for identifying the later deformation time-varying effect and the identification process were proposed. Finally, the efficiency and rationality of the proposed method were verified by two actual concrete dams with runoff reservoir and regulatory reservoir.     

采用经验小波变换的风力发电机振动信号消噪

针对风力发电机振动信号非线性特征及恶劣监测环境,分析经验小波变换理论（EWT）及自适应分解特性,提出基于经验小波变换的振动信号消噪方法.采用带噪声leleccum和轴承故障仿真信号对该方法进行消噪效果检验;在同信号源下,与基于db1强制消噪方法、db1软阈值消噪方法和sym5消噪方法分析比较消除噪声效果.针对真实的风力发电机振动信号,验证了基于经验小波变换方法的消噪效果,对同样信号采用其他3种方法进行消噪分析和比较.仿真和实验分析结果表明,基于EWT小波消噪方法,与基于db1强制消噪方法、db1软阈值消噪方法和sym5消噪方法能够达到同样的消噪效果和目的,甚至更优;不损耗原振动信号能量,在自适应模态分解层数方面甚至优于经验模态分解,并且具有较强的鲁棒性.     

焊接缺陷信号的小波去噪方法研究

针对摩擦焊接头‘伪结合’缺陷信噪比低，难以准确检测的特点，利用平移不变量小波方法对缺陷信号进行去噪，该方法通过多次对所分析的信号进行循环平移，再将平移后的信号进行软（硬）闽值小波消噪处理，然后将消噪后的信号进行逆平移，最后平均所获得的结果。实验证明：该方法能够有效地消除软阈值小波去噪过程中出现的pseudo—Gibbs（伪吉布斯）现象，提高了信噪比，使去噪结果更加逼近于真实信号。该方法在摩擦焊检测信号降噪处理方面具有广泛的应用前景。     

小波分析在弓网动态参数检测中的去噪应用

对小波和二进小波进行了简单的介绍，在此基础之上，分析了基于小波变换的信号降噪的处理技术，将小波分析应用在高速电气化铁路弓网动态参数的信号降噪处理中，并利用仿真结果验证了该方法的降噪效果．