共查询到20条相似文献,搜索用时 406 毫秒
1.
根据小波理论,将枯水期来水量序列进行小波分解,并用软阈值方法进行消噪处理。用消噪后的小波系数进行序列重构,对重构后的序列进行时间序列分析,构建时间序列AR(p)模型,用AR(p)模型进行来水量的预测。 相似文献
2.
3.
4.
5.
WP(小波包)对信号的分解与重构能够提取信号在某一小频率段内的信息;多信号分类(MUSIC)功率谱分析不仅适用于正弦信号,而且广泛适用于窄带信号的估计,能够从信号中分检出低频和微小的信息。大型水轮机组的工作频率和各种故障征兆频率往往较低,结合WP及MUSIC谱的优点建立WP-MUSIC谱分析法,能够更加有效、准确地进行低频故障信号分析,并有利于水轮机故障诊断及定位。 相似文献
6.
7.
8.
本文结合混沌理论、小波分解与重构,以及径向基函数(RBF)神经网络的优点,提出了一种基于混沌的大坝监测序列小波RBF神经网络预测模型。该模型主要利用小波分析将大坝监测序列分解为趋势项和细节时间序列,并利用RBF神经网络和基于RBF神经网络的混沌理论对两种时间序列进行预测,最后通过小波重构得到预测值。实例分析表明,本模型能够克服监测序列中的噪声干扰,反映大坝监测序列的多尺度特性,对监测数据的预测精度较高,可应用于实际工程。 相似文献
9.
10.
常规大坝安全监控统计模型未能分别针对监测序列值内系统信号和随机信号特点进行模拟,故预报精度存在一定的提升空间。基于小波分解技术,利用监测序列值信号频率特征分离出系统信号与随机信号,并结合逐步回归与支持向量机(SVM)对不同信号的处理优势,在引入网格寻优与交叉验证确定SVM敏感参数的基础上,提出了一种基于多元统计结合小波分解和支持向量机的大坝位移监控模型,同时编制了其相应的计算程序。工程算例表明,该模型较常规模型能够同时考虑监测序列中的系统信号和随机信号,并且具有较强的模型寻优能力和更高的预报精度,从而验证了所建模型的有效性,该方法亦可推广应用于高边坡及大坝其他预警指标的监控。 相似文献
11.
12.
为了有效降低噪声对光纤陀螺监测系统实测信号的影响,提出基于CEEMDAN与小波变换混合去噪的方法。先将信号进行CEEMDAN分解,得到一系列IMF分量,计算每一个IMF分量与原始信号的相关系数,利用相关系数的大小筛选出主要的IMF分量。结合小波变换,对筛选出的IMF分量进行降噪处理,最后进行信号重构。引入含噪信号与降噪误差比和均方误差两个指标来判断降噪效果,利用单一的小波变换、CEEMDAN方法、CEEMDAN与小波变换混合去噪三种方法对仿真信号和实测信号进行分析。结果表明,基于CEEMDAN与小波变换混合去噪方法的去噪效果最好,有效地降低了噪声对真实信号的影响,去噪后的信号能准确地表征真实信号的变化特征。该方法非常适合光纤陀螺监测系统的信号去噪,能进一步提高光纤陀螺监测系统的测量精度。 相似文献
13.
针对传统统计模型并不能完全涵盖位移影响分量信息以及真实影响分量信息易受到噪声干扰等问题,提出了一种融合小波阈值理论与多维自回归的混凝土坝位移时序预报模型。该方法主要是将小波阈值理论与时间序列算法结合起来创建混凝土坝位移时序预报模型,模型通过不同小波分解层数、小波基、阈值选取准则、阈值函数集成出一个MATLAB编码平台进行数据平滑处理,能高效挖掘大坝位移数据的影响分量信息,并选择自回归(autoregressive model, AR)时间序列模型作为预报模型。实例应用表明,新的融合模型预测性能较好,能有效监测大坝运行状态,且其分析结果对于其他数字工程的数据预测也具参考价值。 相似文献
14.
水文序列小波分析中小波函数选择方法 总被引:19,自引:0,他引:19
将信号离散小波变换中常用的7个小波系共54个小波函数作为选择范围,应用蒙特卡罗方法,通过黄河利津站和浙江白溪流域的实测水文序列,探讨小波分析中影响小波函数选择的因素,进而建立合理选择小波函数的依.据和方法.该方法应用每个小波函数对水文序列进行小波分解,并重构得到低频重构序列和高频重构序列两部分及相应的特征值,依据相应的小波函数选择判别标准分析特征值,从而得到合理的小波函数.研究结果表明,序列自身的变化特性是小波函数选择的重要影响因素;整体上序列变化特性越复杂时,适用的小波函数类型就越少.对两个流域资料分析结果验证了本文的小波函数选择方法的合理性. 相似文献
15.
16.
基于小波分解的日径流逐步回归预测模型 总被引:1,自引:0,他引:1
本文以预测水文站的上游水文站的日径流序列为依据,利用小波分解和重构得到预测水文站及上游水文站的日径流序列在1~4尺度下的概貌分量,然后以各站的原始径流序列及其在不同尺度下的概貌分量为候选预报因子,建立了径流逐步回归多步预测模型。计算实例表明,由于引入了上游水文站的径流序列并提取了各站径流序列的不同尺度下的概貌分量,本文提出的基于小波分解的日径流逐步回归预测模型的预测精度高于小波网络模型和多元自回归模型,能对非凌汛期未来1~3d以及凌汛期1~7d的日均流量进行预测,可为制定水电站未来的发电计划提供科学的依据。 相似文献
17.
针对降水量影响因素众多, 是一种复杂的非平稳、非线性且存在噪声问题的时间序列的特点, 提出一种基于小波包分解的 LS-SVM 与 ARIMA 组合模型的年降水量预测方法。利用小波包将降水序列分解成低频趋势序列和高频细节序列; 应用 LS-SVM 模型预测低频趋势序列, ARIMA 模型预测高频细节序列; 将两个模型的预测结果叠加, 得到年降水量的预测值。实例验证表明: 小波包对时间序列的分解比小波分解更精细, 组合模型预测能够全面的提取降水序列中所包含的信息, 更好地反映年降水量随时间变化规律, 提高了年降水量预测的精准度, 为降水量预测提供一种新方法。 相似文献
18.
基于小波变换的水文时间序列分解 总被引:3,自引:0,他引:3
运用Mallat算法和Daubechies小波,介绍了基于小波变换的水文时间序列分解方法。通过小波变换,将水文时间序列分解成不同时间尺度的确定性序列和随机序列,为建立水文时间序列中长期预报耦合模型打下了基础:以长江寸滩站日平均流量和年最大流量序列为例,进行了小波变换:通过对分解后的序列进行重构,结果是满意的。 相似文献
19.
20.
小波分解与变换法预测地下水位动态 总被引:27,自引:1,他引:26
通过小波分解方法将地下水位动态的非平稳时间序列分解为多个细节信号序列和逼近信号序列,然后运用时间序列自回归模型及人工神经元网络模型对各信号序列分别进行模拟预测,模拟结果比单纯用自回归法或人工神经网络模型更接近实测值,说明通过小波分解方法进行地下水位动态模拟和预测是适合的;同时用小波变换方法对地下水位动态进行了宏观分析,使隐藏的规律性显现出来,揭示出地下水位动态变化中除了具有一个水文年内的周期性变化规律外,还存在2~3年间隔的波幅强弱变化,可以推断未来短期内地下水位动态发展仍将延续当前总体下降的趋势,与小波分解方法得到的预 测结果相吻合。 相似文献