基于EEMD的固定分段数分段线性表示方法

针对采用单一启发式规则的分段线性表示方法存在局部最优化和无法准确预计分段数目的问题，提出了基于集合经验模态分解(EEMD)的固定分段数分段线性表示方法。该方法通过将集合经验模态分解和重构思想引入分段线性表示方法研究中，同时将自底向上算法的拟合误差阈值改进为分段数阈值来解决上述两个问题。首先，通过模态重构思想过滤掉细节信息，提取到全局性分段点；然后，根据各初始分段子序列的波动程度，确定子序列段内分段点数量分布；最后，采用基于分段数阈值的自底向上方法将子序列合并到要求的分段数。该方法不仅继承了自底向上方法拟合误差小的优点，同时克服了局部最优化以及不能预计分段数的缺点。通过仿真实验证明了该方法克服了局部性的缺点，并有效减弱了噪声的干扰。相比现有方法，在压缩率相同的情况下，该方法的拟合误差更小。最终，在压裂施工时序数据趋势提取的应用中也验证了其有效性。