基于EEMD分形和LS-SVM的次声信号识别泥石流类型

基于无接触的泥石流次声信号的有效波形特征提取识别不同类型的泥石流及预警泥石流规模、危害是国内外泥石流研究的新方向。本研究利用室内实验采集到的65次稀性、过渡性和粘性泥石流次声信号数据,采用集成经验模式分解(EEMD)对次声信号进行分解,提取本征模态函数(IMF)主分量,对比分析了原始信号和主分量信号STFT分布的时频特性差异,计算了主分量IMF盒维数值,并将其作为特征值输入最小二乘支持向量机(LS-SVM)分类器进行训练和分类,初步实现了基于次声分形特征指标识别泥石流类型。研究表明:(1)通过对EEMD重构的主IMF分量信号进行短时傅立叶变换(STFT)时频分析后,主分量信号具有优良的时频聚焦性能,提升了信号识别的准确性和精度;(2)稀性、过渡性和粘性泥石流的原始次声信号盒维数值分别为1.625、1.578和1.519,利用次声盒维数值可以识别泥石流的类型;(3)通过LS-LSVM模型训练测试,正确识别率达87%,其中稀性和过渡性泥石流为80%,粘性泥石流为100%。本研究利用次声特征指标无接触判识了泥石流类型,为次声自动识别、监测和预警泥石流灾害做了积极探索。     

泥石流次声警报研究进展

在对国内外泥石流次声产生机理、信号处理和分析、警报仪器、次声特征、警报实现等分析研究的基础上,对泥石流次声警报研究中的关键科学和技术问题进行了综述。泥石流次声在峰值频率、主频范围和时频变化方面具有其鲜明特点,可以和其他自然灾害的次声加以判别与区分。泥石流次声信号分析主要采取短时傅里叶变换、小波变换、Wigner-Ville分布和希尔伯特黄变换(HHT)等,分析发现HHT更适合用于泥次声信号的处理。泥石流次声警报可划分为发生警报、类型和规模警报及定位警报等3类,发生警报识别算法应立足于SON部分信号,类型和规模警报的算法研究应立足于SBO部分信号,发生警报与类型和规模警报不能同步实现,传感器阵列的布设、定位算法的适用性和山区环境是定位警报精度的主要影响因素。受泥石流运动机理和次声观测对比研究的限制,次声机理的理论分析和数值计算处于探索阶段,次声特征与泥石流形成、运动要素之间尚未建立起可靠的数值关系。未来应开展模拟实验和数值模拟,并结合泥石流预警系统的同步监测,实现泥石流次声的定量化警报。