长兴区域降水变化及趋势分析

利用长兴地区共9个雨量观测测站,1976—2011年的月平均降水量资料,运用趋势分析和EMD方法,根据长兴地区相应的地理特征,将该地区划分为平原和山区两区域,分别对两区域37 a来降水量变化的基本特征进行比较和分析,结果表明:①平原和山区年降水量距平百分率都呈略为下降趋势,山区下降趋势较平原更明显;②春季、夏季、秋季和冬季两地区的降水距平百分率的变化与年变化一致;③1990年代后期,平原地区降水距平百分率趋势的变幅明显大于山区,山区年代际降水量正距平出现的时间滞后于平原地区;④降水量变化方面,长兴地区呈现单调下降趋势,具有四类尺度的变化周期,分别是2～3 a,5 a左右,7～8 a及20 a左右。     

经验模态分解在切削振动信号分析中的应用

为了分析切削振动的变化规律及产生根源,采用在线监测的方法采集振动信号,提出了运用经验模态分解对振动信号进行分析的方法,构建了分段频率变化的仿真振动信号,分别对仿真振动信号进行短时傅里叶变换、小波变换和经验模态分解时频分析。结果表明,经验模态分解方法具有更高的时频分辨率,运用经验模态分解方法对实际振动信号进行分析,提取典型分量绘制希尔伯特幅值谱,能较好地反映振动信号的时频变化规律。经验模态分解适合对切削振动信号进行分析,但是需要对算法的模态混叠及计算效率低等不足进行完善。研究结果对非平稳信号的分析具有参考价值。     

云南洛甸河径流量的时间特征分析

利用经验模态分解(Empirical Mode Deposition,简称EMD)及Pettit突变检验方法,分析了昭通地区洛甸河水文站1961~2014年的年均径流量、年最大径流量、年最小径流量序列变化的周期、趋势、突变规律。结果表明:洛甸河水文站年均径流量经过EMD得到3个IMF分量和一个趋势项,各IMF分量反映的周期为3,6.5a及17 a,趋势项表明年均径流量在1961~1980年存在上升趋势,1980年后存在下降趋势。最大、最小径流量分解得到4个IMF分量和一个趋势项,各IMF分量反映的小尺度周期信息为3,6.5 a及12~17 a,大周期尺度为27 a及45 a,趋势项RES反映序列呈现出明显的下降趋势,在1980年后下降趋势较明显。Pettit突变检验结果表明洛甸河年均径流量及年降水量在1986年存在一个不明显的突变点,最大、最小径流量的突变点可能发生在1991年附近。     

Predicting monthly biofuel production using a hybrid ensemble forecasting methodology

This paper proposes a hybrid ensemble forecasting methodology that integrating empirical mode decomposition (EMD), long short-term memory (LSTM) and extreme learning machine (ELM) for the monthly biofuel (a typical agriculture-related energy) production based on the principle of decomposition—reconstruction—ensemble. The proposed methodology involves four main steps: data decomposition via EMD, component reconstruction via a fine-to-coarse (FTC) method, individual prediction via LSTM and ELM algorithms, and ensemble prediction via a simple addition (ADD) method. For illustration and verification, the biofuel monthly production data of the USA is used as the our sample data, and the empirical results indicate that the proposed hybrid ensemble forecasting model statistically outperforms all considered benchmark models considered in terms of the forecasting accuracy. This indicates that the proposed hybrid ensemble forecasting methodology integrating the EMD-LSTM-ELM models based on the decomposition—reconstruction—ensemble principle has been proved to be a competitive model for the prediction of biofuel production.     

泾河张家山站水沙多时间尺度分析及输沙量模拟

为了掌握泾河水沙变化的基本规律,运用EMD方法对泾河张家山水文站1958—2011年的年径流量及年输沙量序列分别进行了多时间尺度分解,依据实测年输沙量数据,应用时间序列分析方法建立了年输沙量模拟模型。泾河年径流和年输沙量的时间序列均可分解为3个不同波动周期的振荡分量和一个递减的趋势分量;年输沙量模型适用性较好,且模拟精度较高,可应用于年输沙量预测。泾河水沙多时间尺度变化的特征分析和输沙量预测可为泾河水资源规划提供科学依据。     

基于EMD的密云水库年径流量多时间尺度分析

针对小波变换的不足之处,运用EMD方法对密云水库1956—2000年还原后的入库天然年径流量时序进行多时间尺度分析,发现其变化存在准2～4a、准5～6a、准8～9a、准11a和准17～19a的波动周期,并分析了各分量的趋势变化,对密云水库运行管理工作的科学化具有重要借鉴意义。     

基于 EMD － ＲVM － Arima 的大坝变形预测模型及其应用

由于大坝变形监测数据为非平稳、非线性的时间序列,因此采用经验模态分解法( EMD) 、相关向量机理论( ＲVM) 以及 Arima 误差修正模型对大坝变形监测数据进行分析预测。首先利用 EMD分解法对原始时间序列进行分解和重构,使原始序列平稳化,得到若干本征模态函数( IMF) 以及残差序列,再以 ＲVM 预测模型对上述结果进行分析预测,最后利用 Arima 误差修正模型对预测残差进行误差修正,从而建立了以 ＲVM 为基础预测模型的 EMD － ＲVM － Arima 大坝变形预测模型。以某双曲拱坝为例,采用该模型对其变形监测数据进行分析预测,得到的平均残差为 2. 89 mm,同时计算出SVM、ＲVM 法的平均残差为 11. 62 mm、9. 30 mm。可以看出,EMD － ＲVM － Arima 模型大大提高了预测精度,该模型在大坝变形预测中具有可行性。     

基于EMD的SVM支持向量机模型在朝阳旱灾预测中的应用

为提高旱灾预测精度,本文运用EMD（经验模态分解法）与SVM（支持向量机）的组合模型对朝阳地区51a(1968-2018)旱灾情况进行预测研究,利用不同模型的独特优势,提高旱灾的预测精度,从而降低单一旱灾预测模型存在的弊端。结果表明：基于EMD的SVM支持向量机模型在朝阳旱灾预测中的应用取得了较好的预测精度,预测值均方误差（MSE）为0.000 5,决定系数（R2）为0.992,均优于SVM支持向量机预测模型的结果,将该模型应用在朝阳地区旱灾预测中具有一定的可行性。     

磴口县地下水埋深时空变化特征

选取荒漠绿洲区磴口县1988年-2013年17个观测站逐月水位埋深数据,运用kernel K-means及经验模态分解(EMD)方法,探索26年来研究区地下水埋深时空变化特征。结果表明:17个测站分为三个聚类中心,第一聚类中心包括6个测站,地下水平均埋深最大。第二聚类中心包括4个测站,地下水平均埋深次之。第三聚类中心包括7个测站,地下水平均埋深最小;26年来第一和第二聚类中心地下水埋深呈增大趋势,增大幅度分别为0.014 m、0.26m。第三聚类中心地下水埋深呈减小趋势,减小幅度为0.08m;三个聚类中心地下水埋深年内变化趋势基本相同。     

基于零值补偿和EMD的加速度积分误差消除方法

为探求加速度积分误差的消除方法,利用频谱对实测加速度数据进行分析,以误差频率和理想的加速度变化曲线来评价误差。采用基于零值补偿和经验模态分解(Empirical Mode Decomposition,EMD)的方法,对实测数据进行了误差校正与评价,实践证明该方法能有效消除积分算法中的误差。