期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到838篇文章
< 1 2 … 42 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于VMD-SSA-K-means-iForest的重力坝监测数据异常模式混合识别算法研究
1
作者 李铁 李涵曼 +2 位作者 王福生 徐量 郭瑞 《水电能源科学》 北大核心 2026年第1期182-187,共6页
重力坝监测数据的异常识别对大坝安全评估具有重要意义,针对现有方法在模式辨识和特征提取方面的局限性,提出一种基于VMD-SSA-KMeans-iForest的重力坝监测数据异常值混合识别方法,该方法通过引入变分模态分解(VMD)优化SSA分解过程,显著... 重力坝监测数据的异常识别对大坝安全评估具有重要意义,针对现有方法在模式辨识和特征提取方面的局限性,提出一种基于VMD-SSA-KMeans-iForest的重力坝监测数据异常值混合识别方法,该方法通过引入变分模态分解(VMD)优化SSA分解过程,显著提升了特征提取的精度和鲁棒性。在此基础上,构建了基于K-means聚类与孤立森林(iForest)协同的异常识别框架,并将该方法应用于W重力坝异常数据识别中。结果表明,所提方法的异常识别准确率提升了2.5%,同时有效区分了结构损伤与仪器故障引起的异常模式,为重力坝安全评估提供了更可靠的技术支持。 展开更多
关键词 重力坝 奇异谱分析 变分模态分解 K-MEANS聚类 孤立森林 异常模式识别
原文传递
基于SSA-IDBO-GRU-DCM的水质预测模型及应用
2
作者 郭利进 陈剑铮 《长江科学院院报》 北大核心 2026年第3期46-54,87,共10页
水库水质预测是城市供水引水工程的关键。为提高水库水体溶解氧含量预测精度,提出一种基于奇异谱分析(SSA)、改进的蜣螂算法(IDBO)、优化门控循环单元(GRU)以及残差序列预测差值校正方法(DCM)的混合预测模型SSA-IDBO-GRU-DCM。该混合预... 水库水质预测是城市供水引水工程的关键。为提高水库水体溶解氧含量预测精度,提出一种基于奇异谱分析(SSA)、改进的蜣螂算法(IDBO)、优化门控循环单元(GRU)以及残差序列预测差值校正方法(DCM)的混合预测模型SSA-IDBO-GRU-DCM。该混合预测模型首先将溶解氧含量时间序列进行SSA后重构,将重构后的趋势、周期和残差的分量输入到GRU进行预测,对于复杂的残差分量提出VMD-GRU预测差值校正模型以提高预测精度,采用IDBO优化网络模型中的超参数,最后将3个分量进行叠加得到预测结果。利用该混合预测模型对河北唐山大黑汀水库溶解氧含量进行预测。结果表明,提出的混合预测模型均方根误差为0.5802 mg/L、平均绝对误差为0.3292 mg/L、决定系数R^(2)为0.9188。相较其他模型,混合预测模型的预测精度更高。 展开更多
关键词 水质预测 奇异谱分析 蜣螂算法 门控循环单元 溶解氧
在线阅读 下载PDF
基于改进延伸奇异值分解包的风机轴承故障在线特征提取
3
作者 蔡俊 王凯旭 +1 位作者 韦一鸣 刘梦豪 《振动与冲击》 北大核心 2026年第1期302-312,共11页
针对工业生产场景下大型轴流风机滚动轴承受强背景噪声干扰影响导致的故障信号特征提取难题,提出一种基于延伸奇异值分解包(extended singular value decomposition packet,ESVDP)的自适应轴承故障信号提取方法。利用自回归模型,引入自... 针对工业生产场景下大型轴流风机滚动轴承受强背景噪声干扰影响导致的故障信号特征提取难题,提出一种基于延伸奇异值分解包(extended singular value decomposition packet,ESVDP)的自适应轴承故障信号提取方法。利用自回归模型,引入自回归功率谱,基于信号能量分布分析实现对原算法的分解精度参数的自适应设定。引入峭度指标作为故障特征选择依据,从轴承故障信号本身的特征来更多地保留机械振动信号中的故障信息,结合峭度指标实现递推分解层数参数的设置,自适应分解出故障信号,有效保留包含故障信息的瞬态冲击成分。优化ESVDP分解结构,减少不必要的计算冗余,提升计算效率的同时对故障信号进行筛选,从而准确实现轴流风机轴承故障的诊断。仿真信号和试验结果均表明该方法在强干扰分量下可有效提取轴流风机轴承的故障特征频率,实现轴流风机轴承的故障诊断。 展开更多
关键词 滚动轴承 故障特征提取 自回归功率谱 风机 延伸奇异值分解包(ESVDP)
在线阅读 下载PDF
基于多级特征提取和IHHO-KELM的变压器油中溶解气体体积分数预测
4
作者 傅雨晨 陈星 +3 位作者 付文龙 方念 张凯 曹正江 《高压电器》 北大核心 2026年第2期60-70,共11页
油中溶解气体分析是变压器早期故障诊断的主要方法,准确预测未来特征气体体积分数有助于提前获取变压器的运行状态。为此提出了一种基于多级特征提取和IHHO-KELM的变压器油中溶解气体体积分数预测方法。首先,通过自适应白噪声完全集合... 油中溶解气体分析是变压器早期故障诊断的主要方法,准确预测未来特征气体体积分数有助于提前获取变压器的运行状态。为此提出了一种基于多级特征提取和IHHO-KELM的变压器油中溶解气体体积分数预测方法。首先,通过自适应白噪声完全集合经验模态分解将气体体积分数序列分解为多个子序列,利用奇异谱分析对子序列做进一步降噪处理,降低其非平稳性;其次,建立核极限学习机预测模型分别对各子序列进行预测,再将各子序列的预测结果叠加得到油中溶解气体体积分数的最终预测结果,并通过改进哈里斯鹰算法优化其超参数;最后,通过算例验证表明,所提模型具有更优的预测性能,可以更好的追踪油中溶解气体体积分数的变化趋势。 展开更多
关键词 油中溶解气体体积分数预测 自适应白噪声完全集合经验模态分解 奇异谱分析 改进哈里斯鹰算法
在线阅读 下载PDF
基于SSA-VMD预处理的TCN-Informer短期风速多步预测混合模型
5
作者 孔宪正 黄国勇 +1 位作者 邓为权 刘发炳 《太阳能学报》 北大核心 2026年第2期527-538,共12页
针对传统风速预测方法多步预测准确性不足的问题,提出一种基于奇异谱分析和变分模态分解预处理的时间卷积网络-Informer混合预测模型。首先,利用奇异谱分析抑制原始风速中的噪声,降低风速的不稳定性;然后,利用变分模态分解降低风速序列... 针对传统风速预测方法多步预测准确性不足的问题,提出一种基于奇异谱分析和变分模态分解预处理的时间卷积网络-Informer混合预测模型。首先,利用奇异谱分析抑制原始风速中的噪声,降低风速的不稳定性;然后,利用变分模态分解降低风速序列的复杂度,并将各分量分别输入到时间卷积网络提取时间特征以加强局部信息的捕捉;最后,将各模态分量及其时空特征进行融合,输入到Informer自注意力模型对其长时间依赖关系进行建模,得到多步风速预测结果。以云南某风电场测风塔实测风速为验证,该模型在6步和12步预测上MAPE分别仅为1.63%和2.25%,进一步提高了短期风速多步预测准确性。 展开更多
关键词 风电 预测 深度学习 奇异谱分析 时间卷积网络 变分模态分解
原文传递
基于SSA去噪的级联LSTM网络地球极移短期预报方法
6
作者 张文渊 彭劲松 +2 位作者 韦纳都 高雨 张书毕 《测绘学报》 北大核心 2026年第1期46-58,共13页
地球极移是深空探测和卫星精密定轨的关键参数,其高精度预报模型是空间大地测量领域的研究热点。针对长短期记忆(LSTM)神经网络在短期预测中由于训练场景与应用场景不一致而导致的预测误差累积以及忽略信号噪声影响的问题,本文提出了一... 地球极移是深空探测和卫星精密定轨的关键参数,其高精度预报模型是空间大地测量领域的研究热点。针对长短期记忆(LSTM)神经网络在短期预测中由于训练场景与应用场景不一致而导致的预测误差累积以及忽略信号噪声影响的问题,本文提出了一种基于奇异谱分析(SSA)去噪的级联LSTM网络地球极移短期预报方法。该方法首先利用SSA算法剔除极移时序信号的高频噪声项,随后充分考虑未来不同预测天数的场景特征变化,通过级联架构实现前序子模型输出与后续子模型输入的误差抵偿传导,构建了多个子模型相互连接、逐级传递的级联式LSTM框架。利用1984—2024年的EOP 20 C04序列数据进行了试验验证,结果表明:对于1~10天的短期预报,本文方法在极移X和Y方向的预测结果的平均绝对误差(MAE)分别为1.70和0.93 mas,相较于递归LSTM模型的MAE分别降低了42.8%和48.1%,同时相较于SSA-递归LSTM模型的预报精度分别提升了11.1%和28.8%。此外,本文模型在未来6~10天的极移预报中具有显著优势,论证了本文方法可有效抑制预报误差积累,提高中后期预报精度,将模型预报结果应用于卫星轨道的天球坐标系与地球坐标系转换,显著提升了坐标转换精度。 展开更多
关键词 地球极移 短期预报 SSA 级联LSTM 去噪优化
在线阅读 下载PDF
基于互补集合模态分解的舰船辐射噪声降噪方法
7
作者 庄泽文 陈名松 唐建勋 《舰船科学技术》 北大核心 2026年第2期114-121,共8页
舰船辐射噪声降噪是水声信号处理的基础,为了获得更好的降噪效果,将基于互补集合经验模态分解(CEEMD),提出一种结合排列熵(PE)、小波软阈值(WST)降噪和奇异谱分析(SSA)的联合降噪方法。该方法首先通过互补集合经验模态分解将含噪信号分... 舰船辐射噪声降噪是水声信号处理的基础,为了获得更好的降噪效果,将基于互补集合经验模态分解(CEEMD),提出一种结合排列熵(PE)、小波软阈值(WST)降噪和奇异谱分析(SSA)的联合降噪方法。该方法首先通过互补集合经验模态分解将含噪信号分解为一系列本征模态函数,然后用排列熵对有效模态分量和含噪模态分量进行区分,对含噪模态分量进行小波阈值去噪后和有效模态分量进行重构,最后对重构信号利用奇异值分析方法进一步提取有效成分后得到降噪后的信号。将所提方法用于仿真数据、混沌信号和实测舰船辐射噪声进行实验,实验结果验证了所提出方法的可行性和有效性。 展开更多
关键词 舰船辐射噪声降噪 互补集合经验模态分解 排列熵 小波阈值降噪 奇异谱分析
在线阅读 下载PDF
基于CEEMD-MSSA的地震数据随机噪声压制
8
作者 王树斌 刘育林 +2 位作者 李孝利 林朋 高利军 《矿业科学学报》 北大核心 2026年第1期103-113,共11页
随机噪声是地震数据中常见的噪声类型之一,直接影响地震数据的高分辨率成像处理和精细解释。基于低秩假设的地震数据随机噪声衰减方法已被广泛应用于噪声压制。然而,由于地震数据的复杂性,其压制效果难以满足实际需要。针对上述问题,提... 随机噪声是地震数据中常见的噪声类型之一,直接影响地震数据的高分辨率成像处理和精细解释。基于低秩假设的地震数据随机噪声衰减方法已被广泛应用于噪声压制。然而,由于地震数据的复杂性,其压制效果难以满足实际需要。针对上述问题,提出了互补集合经验模态分解(CEEMD)与多道奇异谱分析(MSSA)算法相结合的随机噪声压制技术。首先该技术基于CEEMD算法提取f-x域含噪声地震数据中的水平信号分量,然后利用MSSA算法提取倾斜信号分量,最后通过叠加水平分量和倾斜分量实现随机噪声压制。基于地震信号的低秩特质,所提方法充分利用了CEEMD和MSSA算法在水平及倾斜信号分量识别方面的优势,有效提升了地震信号的检测与提取能力,从而显著提高信噪比。合成数据和实测数据研究表明,相较于传统的MSSA和EMD-MSSA算法,所提方法在随机噪声压制方面表现更优,显著提升了地震数据信噪比,可为后续处理环节提供高质量数据输入,具有重要的实际应用价值。 展开更多
关键词 随机噪声压制 多道奇异谱分析 互补集合经验模态分解
在线阅读 下载PDF
基于改进VMD和CS-SVM的汽车发动机故障诊断方法
9
作者 张忠其 梁裕益 叶龙 《机械制造与自动化》 2026年第1期293-298,共6页
为提高汽车发动机故障诊断准确性,提出一种变分模态分解结合支持向量机的K20C3涡轮增压发动机故障诊断方法。采用鲸鱼算法(WOA)优化变分模态分解(VMD)层数k和惩罚因子参数α,并利用优化后的VMD获取汽车发动机振动信号,用奇异谱熵表征信... 为提高汽车发动机故障诊断准确性,提出一种变分模态分解结合支持向量机的K20C3涡轮增压发动机故障诊断方法。采用鲸鱼算法(WOA)优化变分模态分解(VMD)层数k和惩罚因子参数α,并利用优化后的VMD获取汽车发动机振动信号,用奇异谱熵表征信号特征,利用布谷鸟搜索算法(CS)优化支持向量机(SVM)核函数的参数γ及惩罚因子C,并将发动机振动信号特征输入SVM的故障诊断模型进行分类识别。结果表明:优化后的VMD可有效分解K20C3涡轮增压发动机信号,CS-SVM的诊断模型可有效识别K20C3涡轮增压汽车发动机故障类型,且相较于标准SVM和粒子群优化(PSO)-SVM的故障诊断模型,具有更高的准确性,对缸内压力信号的诊断准确率达98.45%,对缸盖振动信号诊断的准确率达到99.21%。由此得出,该方案在发动机故障诊断方面具有一定的可行性。 展开更多
关键词 发动机故障 VMD算法 奇异谱熵 SVM算法 故障诊断
在线阅读 下载PDF
优化组合预测模型在手足口病发病预测中的应用
10
作者 田伟杰 高倩 +2 位作者 杨锟 赵志荣 陈健 《公共卫生与预防医学》 2026年第1期58-62,共5页
目的针对2020—2023年手足口病发病异常波动导致的建模预测问题,探索疫情后手足口病发病的科学精准预测方法。方法使用季节指数对数据进行前处理,分别用传统的季节性自回归移动平均(SARIMA)模型、奇异谱分析(SSA)-ARIMA模型、ARIMA-长... 目的针对2020—2023年手足口病发病异常波动导致的建模预测问题,探索疫情后手足口病发病的科学精准预测方法。方法使用季节指数对数据进行前处理,分别用传统的季节性自回归移动平均(SARIMA)模型、奇异谱分析(SSA)-ARIMA模型、ARIMA-长短期记忆递归神经网络(LSTM)模型和SSA-ARIMA-LSTM模型,拟合2013—2023年的发病情况,预测2024年手足口病发病情况,收集的真实的2024年数据作为测试集,比较模型的预测性能。结果构建的模型拟合性能方面,ARIMA模型MAE为107.50、RMSE为144.53,SSA-ARIMA模型MAE为2.84、RMSE为4.33,ARIMA-LSTM模型MAE为99.46、RMSE为131.59,SSA-ARIMA-LSTM模型MAE为96.35、RMSE为132.13;模型预测性能方面,ARIMA模型MAE为151.64、RMSE为146.70,SSA-ARIMA模型MAE为41.22、RMSE为57.01,ARIMA-LSTM模型MAE为220.75、RMSE为257.89,SSA-ARIMA-LSTM模型MAE为58.83、RMSE为72.06。结论SSA-ARIMA模型的拟合度最好,预测准确度最高,适用于对手足口病的发病趋势进行预测分析。 展开更多
关键词 手足口病 自回归移动平均模型 奇异谱分析 长短期记忆递归神经网络模型
原文传递
基于奇异谱分析的卫星钟差预报方法
11
作者 吕传磊 雷雨 赵丹宁 《大地测量与地球动力学》 北大核心 2026年第4期510-521,共12页
提出一种基于奇异谱分析(SSA)的“分解-重构-预报”卫星钟差预报方法。该方法首先将钟差时间序列分解为趋势信号、周期信号与随机信号,然后根据3类信号的Hurst指数存在明显差异这一特性确定钟差重构信号,最后利用SSA迭代插补算法对钟差... 提出一种基于奇异谱分析(SSA)的“分解-重构-预报”卫星钟差预报方法。该方法首先将钟差时间序列分解为趋势信号、周期信号与随机信号,然后根据3类信号的Hurst指数存在明显差异这一特性确定钟差重构信号,最后利用SSA迭代插补算法对钟差重构信号进行外推,获得最终的钟差预报时间序列。以GPS和BDS-3卫星钟差为例进行分析与预报研究,结果表明,SSA能够准确提取钟差的趋势信号与周期信号,相比于附加周期项的二次多项式模型、灰色模型和差分整合移动平均自回归模型,本文方法预报结果的均方根误差更小且更稳定。对于12 h预报,GPS卫星钟差平均预报精度较3种模型分别提高38.81%、59%和72.11%,BDS-3卫星钟差平均预报精度分别提高71.54%、74.82%和70.09%;对于24 h预报,GPS卫星钟差平均预报精度分别提高51%、70.66%和83.99%,BDS-3卫星钟差平均预报精度分别提高86.36%、85.25%和81.05%,验证了本文方法的有效性与实用性。 展开更多
关键词 卫星钟差 钟差预报 奇异谱分析 HURST指数
在线阅读 下载PDF
基于组合赋权相似日选取和二次分解的IWOA-CNN-LSTM光伏出力预测
12
作者 贾存怡 许野 +2 位作者 王旭 孟亦康 李薇 《科学技术与工程》 北大核心 2026年第5期1994-2008,共15页
为了有效预防光伏发电功率的随机性和波动性给电网的安全稳定运行带来的隐患,创新性地组合使用基于组合权重法(combined weight method,CWM)和综合相似距离(comprehensive similar distance,CSD)的相似日选取方法,基于变分模态分解方法(... 为了有效预防光伏发电功率的随机性和波动性给电网的安全稳定运行带来的隐患,创新性地组合使用基于组合权重法(combined weight method,CWM)和综合相似距离(comprehensive similar distance,CSD)的相似日选取方法,基于变分模态分解方法(variational mode decomposition,VMD)、改进的鲸鱼优化算法(improved whale optimization algorithm,IWOA)、奇异谱分析方法(singular spectrum analysis,SSA)和模糊熵(fuzzy entropy,FE)的序列分解和重组方法,以及IWOA-CNN-LSTM组合预测方法,构建了高精度的光伏出力组合预测模型。首先,在采用皮尔逊相关系数法(Pearson correlation coefficient,PCC)提取影响光伏出力的关键气象要素的基础上,创新性地使用层次分析法(analytic hierarchy process,AHP)和熵权法(entropy weight method,EWM)相结合的CWM方法赋予气象要素相应的权重系数;其次,将赋权的气象要素融合到CSD计算过程中,生成与待预测日气象特征相近的高质量样本训练集;再次,开发了基于Tent混沌映射、变螺旋更新和自适应权重动态调整机制的IWOA算法,运用IWOA-VMD、SSA和FE的全新组合完成原始发电序列的一次、二次分解和重组,实现原始序列的有效分解;最后,采用IWOA确定卷积-长短期记忆神经网络(convolutional neural network-long short-term memory,CNN-LSTM)的最优超参数组合,构建高精度光伏出力预测模型。在云南岩淜光伏电站的应用结果表明,相较于其他基准模型,该模型具备一定的先进性和稳定性,具有广阔的应用前景。 展开更多
关键词 相似日选取 组合权重法 改进的鲸鱼优化算法 奇异谱分析 卷积-长短期记忆神经网络 光伏出力预测
在线阅读 下载PDF
基于SSA-灰色GM(1,1)模型在建筑物变形监测中的应用
13
作者 杨金虎 《测绘与空间地理信息》 2026年第3期30-32,36,共4页
高层建筑物结构健康状况预报监测是保证建筑物安全的重要内容之一,本文基于奇异谱分析(SSA)强大的非线性时间序列分析能力和灰色GM(1,1)模型的预测能力,构建了一种SSA-灰色GM(1,1)模型,首先推导了SSA-灰色GM(1,1)模型的数学理论,通过案... 高层建筑物结构健康状况预报监测是保证建筑物安全的重要内容之一,本文基于奇异谱分析(SSA)强大的非线性时间序列分析能力和灰色GM(1,1)模型的预测能力,构建了一种SSA-灰色GM(1,1)模型,首先推导了SSA-灰色GM(1,1)模型的数学理论,通过案例证实了高层建筑物在一定时间内会发生沉降现象,直至226 d结构趋于稳定状态。在此期间累计变化量最大为-30.93 mm,最大变化速率为0.062 mm/d;SSA-灰色GM(1,1)模型预测总体精度优于2.2 mm,相对精度均达到了94%以上。其结果可为高层建筑物结构安全状态安全评估提供可靠的参考依据。 展开更多
关键词 奇异谱分析 灰色GM(1 1)模型 建筑物 预测
在线阅读 下载PDF
基于机器学习的电费波动预测模型研究
14
作者 韩晶 王紫玥 +1 位作者 叶静 王凌娆 《国外电子测量技术》 2026年第1期427-434,共8页
由于电力市场中新能源出力的高波动性,导致了电费波动预测偏差。为提高电费波动预测准确度,提出构建一个基于奇异谱分析法-改进鼠群算法-长短期记忆(Singular Spectrum Analysis-Improved-Rat Swarm Optimizer-Long Short-Term Memory,S... 由于电力市场中新能源出力的高波动性,导致了电费波动预测偏差。为提高电费波动预测准确度,提出构建一个基于奇异谱分析法-改进鼠群算法-长短期记忆(Singular Spectrum Analysis-Improved-Rat Swarm Optimizer-Long Short-Term Memory,SSA-IRSO-LSTM)的电费波动预测模型。首先,采用SSA对电费波动历史序列进行分解和重构,以获得不同频率的特征分量;然后,采用加入混沌映射和高斯游走策略的RSO算法,对LSTM网络的超参数进行优化;最后,构建基于IRSO-LSTM的电费波动预测模型。仿真结果表明,在电费波动性强的冬季,IRSO-LSTM模型的均方根误差(Root Mean Square Error,RMSE)、平均绝对误差(Mean Absolute Error,MAE)和平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)分别为5.98、7.04和9.52%,相较于其他先进预测模型,具有明显优势。结果表明,该模型可实现电费波动准确预测,具备较强的鲁棒性和泛化性。基于该模型预测数据可实现电力工业经济效益和社会效益的量化评估,从而进一步提高电力工业水平。 展开更多
关键词 电费波动预测 奇异谱分析法 LSTM网络 RSO算法 混沌映射
原文传递
拟奇异谱分析及其在碳价格预测中的应用
15
作者 潘熠 张毓华 《江西科学》 2026年第1期84-92,共9页
碳价格预测作为低碳经济发展和碳市场建设的重要基础,其准确性受到价格序列非线性与非平稳性特征的双重制约。奇异谱分析(SSA)在碳价格预测领域取得显著进展,但其潜在的数据泄露风险可能导致集成学习模型在样本外预测时出现性能衰减。... 碳价格预测作为低碳经济发展和碳市场建设的重要基础,其准确性受到价格序列非线性与非平稳性特征的双重制约。奇异谱分析(SSA)在碳价格预测领域取得显著进展,但其潜在的数据泄露风险可能导致集成学习模型在样本外预测时出现性能衰减。针对这一关键问题创新性地提出拟奇异谱分析方法(QSSA),通过改进分解机制可以在有效降低数据泄露风险的同时保持集成模型的预测效能。为验证QSSA方法的有效性,选取湖北与广州碳排放权交易中心的碳价格数据,融合4种典型机器学习算法(LSTM、GRU、LSSVM、KELM)构建集成预测模型进行实证研究。实验结果表明:1)相较于传统SSA方法,QSSA在几乎保持模型预测精度的前提下,有效降低数据的前向泄漏问题;2)横向对比传统分解方法,基于QSSA的集成模型在预测精度方面展现出显著优势。为碳金融时间序列分析提供了新的方法论工具,对完善碳市场价格发现机制具有重要实践价值。 展开更多
关键词 碳价格预测 时间序列分解 反信息泄露 奇异谱分解
在线阅读 下载PDF
基于随机森林方法的海面高变化预测及分析
16
作者 史德杰 孙远远 +3 位作者 高轩 杜孙稳 马克波 张胜伟 《测绘与空间地理信息》 2026年第3期44-48,52,共6页
本研究旨在通过对比随机森林、奇异谱分析(SSA)及SSA与自回归移动平均模型(ARMA)结合方法(SSA+ARMA)对2016—2020年期间海面高进行预测的精度,评估该时段内海面高的变化速率,从而确定最适合海面高预测的方法。分析表明,随机森林方法在... 本研究旨在通过对比随机森林、奇异谱分析(SSA)及SSA与自回归移动平均模型(ARMA)结合方法(SSA+ARMA)对2016—2020年期间海面高进行预测的精度,评估该时段内海面高的变化速率,从而确定最适合海面高预测的方法。分析表明,随机森林方法在海面高预测方面显示出最高的精度,尤其在预测初期。此项研究为海面高变化预测提供了重要的方法学参考。 展开更多
关键词 海面高预测 随机森林 奇异谱分析 自回归移动平均模型 变化速率
在线阅读 下载PDF
改进SSA方法的GPS坐标时间序列阶跃探测
17
作者 杨青 《测绘与空间地理信息》 2026年第2期160-162,165,共4页
全球定位系统坐标时间序列预处理中,阶跃探测是必不可少的一步,对于庞大GPS网络的有效管理意义重大。本文针对传统奇异谱分析存在的相移现象,无法有效对GPS坐标时间的非线性变化特征进行准确分析的情况,提出一种改进奇异谱分析(singular... 全球定位系统坐标时间序列预处理中,阶跃探测是必不可少的一步,对于庞大GPS网络的有效管理意义重大。本文针对传统奇异谱分析存在的相移现象,无法有效对GPS坐标时间的非线性变化特征进行准确分析的情况,提出一种改进奇异谱分析(singular spectrum analysis,SSA)方法用于GPS阶跃自动探测中。使用实际IGS站坐标时间序列进行阶跃探测实验,结果表明,本文提出改进SSA方法能够有效探测具有明显台阶的阶跃,阶跃探测结果的精度统计优于传统SSA方法,同时阶跃探测结果不受震后形变等瞬态运动影响。 展开更多
关键词 全球定位系统 坐标时间序列 阶跃探测 相移现象 改进奇异谱分析
在线阅读 下载PDF
基于改进SVD-EWT的环网柜局放信号自适应去噪方法
18
作者 刘国伟 廖晓青 +3 位作者 陈历 梁汇 谭达禹 刘俊峰 《南方能源建设》 2026年第1期147-156,共10页
[目的]在电气设备的健康监测中,局部放电(Partial Discharge,PD)信号常受到各种噪声源的干扰,这些干扰主要来自设备自身的运行噪声或外部环境的干扰。[方法]为有效解决噪声干扰问题,提高局放检测的准确性和可靠性,提出一种基于频谱分析... [目的]在电气设备的健康监测中,局部放电(Partial Discharge,PD)信号常受到各种噪声源的干扰,这些干扰主要来自设备自身的运行噪声或外部环境的干扰。[方法]为有效解决噪声干扰问题,提高局放检测的准确性和可靠性,提出一种基于频谱分析的自适应奇异值分解(Singular Value Decomposition,SVD)和经验小波变换(Empirical Wavelet Transform,EWT)相结合的去噪算法。首先,对含噪PD信号进行快速傅里叶变换(Fast Fourier Transform,FFT)频谱分析,提出改进经典阈值和频谱幅值行向量峭度判别相结合的窄带干扰数量确定方法,重构并去除周期性窄带干扰噪声。随后,采用EWT算法对残留白噪声的PD信号进行自适应分解,筛选满足峭度条件的模态分量重构PD信号。最后,利用改进阈值方法去除重构信号中的少量白噪声,得到去噪后的PD信号。[结果]仿真及实测去噪处理结果表明,所提方法分别在信噪比、均方根误差、相关系数以及降噪率指标上达到7.02、0.0112、0.9003和33.0057。[结论]该方法能够有效去除窄带干扰及白噪声,相比于其他去噪方法,所提方法在多个评价指标上均有所改善,具有良好的去噪效果。 展开更多
关键词 电气环网柜 局部放电 频谱分析 奇异值分解 经验小波变换 改进阈值法
在线阅读 下载PDF
GNSS-RTK多路径噪声抑制组合方法
19
作者 董冬良 丁佳 《北京测绘》 2026年第1期23-29,共7页
在复杂环境条件下,全球导航卫星系统(GNSS)-实时动态差分定位(RTK)技术面临着多路径效应和随机噪声的双重挑战。为解决该问题,本文提出了一种基于自适应完备集合经验模态分解(CEEMDAN)的组合噪声方法,旨在提高基线坐标序列的噪声抑制效... 在复杂环境条件下,全球导航卫星系统(GNSS)-实时动态差分定位(RTK)技术面临着多路径效应和随机噪声的双重挑战。为解决该问题,本文提出了一种基于自适应完备集合经验模态分解(CEEMDAN)的组合噪声方法,旨在提高基线坐标序列的噪声抑制效果。首先,采用CEEMDAN方法对原始信号进行分解,得到多个本征模态函数(IMF),并通过排列熵方法将信号区分为高频和低频成分;其次,针对不同频率成分,分别应用小波包分解(WP)和奇异谱分析(SSA)方法进行去噪处理;最后,将去噪后的信号进行重构,从而降低坐标序列中的多路径误差。实验结果表明,与单独使用CEEMDAN或CEEMDAN-WP组合方法相比,基于CEEMDAN-WP-SSA构建的恒星日滤波模型在随机噪声抑制和多路径误差消除方面具有明显优势,东(E)、北(N)、高(U)三个方向的定位精度均有所提升,充分验证了该方法的有效性与优越性。 展开更多
关键词 全球导航卫星系统(GNSS)-实时动态差分定位(RTK) 多路径噪声 自适应完备集合经验模态分解 小波包分解 奇异谱分析
在线阅读 下载PDF
中国长期潜在增长率的实时测算及其下行风险来源甄别 被引量：1
20
作者 刘达禹 徐斌 张竞文 《财经研究》 北大核心 2025年第3期4-18,79,共16页
当前,中国经济增长复苏势头偏弱,呈现均值下移与波动上升的新特征。经济增长走势的非规则化使实时动态监测的意义相对弱化,而长期潜在增长率等趋势变量的变化则日益受到关注。基于此,文章从计量原理出发,系统阐释了各类长期潜在增长率... 当前,中国经济增长复苏势头偏弱,呈现均值下移与波动上升的新特征。经济增长走势的非规则化使实时动态监测的意义相对弱化,而长期潜在增长率等趋势变量的变化则日益受到关注。基于此,文章从计量原理出发,系统阐释了各类长期潜在增长率估算方法的优劣,构建计量评价体系以遴选最优测度方法,并运用在险分布模型识别了长期潜在增长率的尾部风险来源。研究发现:第一,使用H-P滤波、带通滤波和小波分析测算长期潜在增长率均存在较大误差,最大经验偏差幅度高达2—5个百分点。第二,遴选长期潜在增长率测算方法的关键在于权衡经济预测能力、经济因果识别能力和计量稳定性,其中,只要预测能力权重不超过0.8,4(2)型奇异谱分解便是最优选择。第三,长效需求不足是近期长期潜在增长率下行的主导因素,但其整体水平仍处于合理区间。这表明经济弱复苏态势仍需时间缓解,也印证了中国经济仍具备坚实的中高速增长潜力,经济稳中向好的基本态势并未改变。 展开更多
关键词 长期潜在增长率 奇异谱分解 计量评价 经济下行风险
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 42 下一页 到第 页
使用帮助 返回顶部