期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
基于长短期记忆网络的粮食产量趋势预测方法
1
作者 郭艳辉 王伟 《现代电子技术》 北大核心 2025年第19期99-102,共4页
为精准捕捉不同因素与粮食产量变化趋势之间的关系,为农业生产等提供更为可靠和有效的支持,文中提出基于长短期记忆网络的粮食产量趋势预测方法。在采用WT-EEMD方法处理原始粮食产量样本数据的过程中,利用小波变换(WT)分解获取其高低频... 为精准捕捉不同因素与粮食产量变化趋势之间的关系,为农业生产等提供更为可靠和有效的支持,文中提出基于长短期记忆网络的粮食产量趋势预测方法。在采用WT-EEMD方法处理原始粮食产量样本数据的过程中,利用小波变换(WT)分解获取其高低频分量,使用集合经验模态分解(EEMD)获取其模态分量,对分解结果进行拼接,完成粮食产量变化趋势特征的捕捉;通过基于动态相关性的特征选择方法对影响粮食产量的关键特征作筛选;将提取的特征集与历史粮食产量时间序列一起输入到基于LSTM网络的产量预测模型中,利用粒子群优化算法改进模型参数;通过学习特征向量对粮食产量的长期影响后,输出粮食产量预测结果。实验结果表明:该方法可实现粮食产量趋势预测,预测误差不超过1.63%;经过特征提取与选择,粮食产量预测的R2指标值可达到0.93,平均绝对误差为0.41,验证了所提方法的有效性。 展开更多
关键词 粮食产量 趋势预测 wt-eemd 高低频分量 模态分量 动态相关性 特征集 产量预测模型
在线阅读 下载PDF
抑制传感器中毒的典型碳氢化合物气体检测数据处理方法
2
作者 王文华 周熙炜 +2 位作者 王虎生 张月婷 乔将将 《仪表技术与传感器》 北大核心 2025年第5期4-9,20,共7页
气体传感器在环境监测和工业安全中发挥着重要作用,但其检测数据的可靠性极易受到环境噪声和传感器中毒的影响。文中以典型碳氢化合物挥发气体甲硫醚和乙酸的混合气体为研究对象,首先,提出了一种基于集合经验模态分解和改进小波阈值相... 气体传感器在环境监测和工业安全中发挥着重要作用,但其检测数据的可靠性极易受到环境噪声和传感器中毒的影响。文中以典型碳氢化合物挥发气体甲硫醚和乙酸的混合气体为研究对象,首先,提出了一种基于集合经验模态分解和改进小波阈值相结合的EEMD-WT组合算法对气体数据进行降噪提取,然后,设计了一种基于粒子群优化的BP神经网络的数据融合模型,对由于气体传感器自身交叉干扰特性而造成的传感器中毒现象进行抑制。最后,通过仿真对比实验,验证了所提的改进EEMD-WT降噪算法的降噪效果,并且通过气体体积分数检测实验表明,基于粒子群优化的BP神经网络模型的甲硫醚体积分数检测的最小相对误差降至4.27%,乙酸体积分数的最小相对误差降至1.31%,优于传统BP模型的8.25%和4.91%。该数据融合模型不仅提升了传感器检测数据的信噪比和准确性,而且增强了系统对环境变化的适应能力。 展开更多
关键词 传感器中毒 数据降噪 EEMD-WT 粒子群优化
在线阅读 下载PDF
单通道脑电信号眼电伪迹去除算法研究 被引量:13
3
作者 刘志勇 孙金玮 卜宪庚 《自动化学报》 EI CSCD 北大核心 2017年第10期1726-1735,共10页
由眨眼和眼动产生的眼电伪迹(Electrooculography,EOG)信号是脑电信号(Electroencephalography,EEG)中的主要噪声信号之一.目前,多通道脑电信号中眼电伪迹的去除算法已经较为成熟.而在单通道脑电信号的眼电伪迹去除中,由于采集通道数量... 由眨眼和眼动产生的眼电伪迹(Electrooculography,EOG)信号是脑电信号(Electroencephalography,EEG)中的主要噪声信号之一.目前,多通道脑电信号中眼电伪迹的去除算法已经较为成熟.而在单通道脑电信号的眼电伪迹去除中,由于采集通道数量较少且缺乏参考眼电信号,目前尚无十分有效的去除方法.本文提出一种基于小波变换(Wavelet transform,WT)、集合经验模态分解(Ensemble empirical mode decomposition,EEMD)和独立成分分析(Independent component analysis,ICA)的WT-EEMD-ICA单通道脑电信号眼电伪迹去除算法.实验表明:WT-EEMD-ICA算法有效地解决了单通道WT-ICA算法中的超完备问题,能够有效去除单通道脑电信号中的眼电伪迹,并且分离出的眼电伪迹成分与参考通道采集的眼电信号相关性较强. 展开更多
关键词 脑电信号 眼电伪迹 小波变换 集合经验模态分解 独立成分分析
在线阅读 下载PDF
侵彻弹体频率特性分析及过载信号处理 被引量:11
4
作者 赵海峰 张亚 +1 位作者 李世中 郭燕 《中国机械工程》 EI CAS CSCD 北大核心 2015年第22期3034-3039,共6页
为解决硬目标侵彻过载信号降噪问题,提出融合总体经验模态分解(EEMD)和小波变换(WT)的联合滤波方法。首先对实测信号进行总体经验模态分解,获得信号的本征模态函数(IMF)分量,然后计算各分量功率谱并与原信号比较,得出信号的有效分解尺... 为解决硬目标侵彻过载信号降噪问题,提出融合总体经验模态分解(EEMD)和小波变换(WT)的联合滤波方法。首先对实测信号进行总体经验模态分解,获得信号的本征模态函数(IMF)分量,然后计算各分量功率谱并与原信号比较,得出信号的有效分解尺度和弹体的过载响应频率,接着对高频IMF分量采用小波阈值降噪,最后将降噪后的高频分量与分解后的低频分量组合重构获得侵彻特征信号。实验证明,这一方法可以有效提取弹体响应频率,消除侵彻过程中弹体的高频振动信号和外部噪声,且处理后的加速度曲线具有更高的信噪比,积分所得速度和位移时程曲线也与实验结果相近。 展开更多
关键词 侵彻过载 总体经验模态分解 小波变换 本征模态函数 功率谱
在线阅读 下载PDF
运用总体经验模态分解的疲劳信号降噪方法 被引量:28
5
作者 陈隽 李想 《振动.测试与诊断》 EI CSCD 北大核心 2011年第1期15-19,125,共5页
将总体经验模态分解(ensemble empirical mode decomposition,简称EEMD)用于疲劳应变信号降噪,并与小波变换(wavelet transform,简称WT)方法进行了对比。提出了基于EEMD方法的疲劳应变信号降噪计算步骤,并分别用于模拟信号、试验数据和... 将总体经验模态分解(ensemble empirical mode decomposition,简称EEMD)用于疲劳应变信号降噪,并与小波变换(wavelet transform,简称WT)方法进行了对比。提出了基于EEMD方法的疲劳应变信号降噪计算步骤,并分别用于模拟信号、试验数据和实测资料的降噪处理。讨论了EEMD计算参数对降噪效果的影响,给出了计算参数的选取原则。结果表明,EEMD方法可以较好地降低疲劳信号的噪声,提高应力循环次数统计的准确度,具有自适应的特点。 展开更多
关键词 总体经验模态分解 疲劳信号 降噪 小波变换
在线阅读 下载PDF
EEMD与WT在桥梁GNSS数据降噪中的对比应用 被引量:10
6
作者 曹璐 解威威 +2 位作者 唐睿楷 叶志权 马文安 《噪声与振动控制》 CSCD 北大核心 2021年第4期73-79,281,共8页
全球导航卫星系统(Global Navigation Satellite System,GNSS)技术在桥梁工程监测领域应用广泛,然而GNSS监测数据中不可避免存在噪声干扰,这严重降低监测效果,因此需要对桥梁GNSS监测数据进行降噪处理。以特大跨钢管混凝土拱桥为工程背... 全球导航卫星系统(Global Navigation Satellite System,GNSS)技术在桥梁工程监测领域应用广泛,然而GNSS监测数据中不可避免存在噪声干扰,这严重降低监测效果,因此需要对桥梁GNSS监测数据进行降噪处理。以特大跨钢管混凝土拱桥为工程背景,对其拱肋吊装过程中的塔架GNSS数据和核心混凝土灌注过程中的拱顶GNSS数据进行降噪研究。首先,使用小波变换(Wavelet Transform,WT)对桥梁GNSS数据进行分解,并选用db6、sym8和haar共3种小波基进行对比;然后,使用聚合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)对相同数据进行分解;最后,划分分解结果中的噪声分量与结构响应分量,选取均方根误差、信噪比和平滑度指标对降噪效果进行评价。对比结果表明:EEMD降噪结果较WT更彻底,但无法避免在剔除噪声的同时剔除部分有用信号,而WT对有用信号的保留更加完整,WT降噪更为保守。但WT的降噪效果与小波基的选择密切相关,在该文的应用中db6和sym8的降噪效果优于haar。此外,WT的降噪效果还与分解层数相关,算法的自适应能力较差,而EEMD所需人为设定参数很少,算法具有更高的自适应能力。 展开更多
关键词 声学 桥梁 GNSS WT EEMD 分解 降噪
在线阅读 下载PDF
基于集成经验模态分解的舰船辐射噪声仿真信号线谱分析 被引量:1
7
作者 徐双 刘增力 《云南大学学报(自然科学版)》 CAS CSCD 北大核心 2009年第S2期252-255,260,共5页
讨论了一种非平稳、非线性信号分析方法——集成经验模态分解方法(EEMD),并采用基于EEMD方法对舰船辐射噪声仿真信号进行线谱提取,与小波分析方法进行对比分析后表明,EEMD对信号的分析比小波分析有一定的优越性.
关键词 集成经验模态分解 经验模态分解 小波变换 线谱
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部