基于经验模态分解与神经网络的信号预测

利用经验模态分解在处理非线性、非平稳信号以及人工神经网络可以较好地处理非线性问题的优点,通过经验模态分解把加入噪声的仿真信号分解成几个本征模态函数分量和一个趋势项,在分解过程中采用两种方法处理端点效应问题,结果表明两种方法都能很好的解决端点问题,然后对每个分量分别运用径向基函数神经网络进行预测,并重构出最后的预测结果。与不经EMD处理直接运用神经网络进行预测及真实数据进行对比,结果表明,相对于直接预测,该方法具有更好的预测效果。     

强化政治建队 坚决履行职责

中国海监天津市总队从2002年组建起,逐步确立了以政治建队为核心、以依法行政为主线、以制度建设为保障、以形象建设为突破、以履行职责为根本的工作思路,扎实做好各项工作。新时期,努力打造一支政治坚定、纪律严明、作风优良、业     

融合GNSS ZTD和气象要素的内蒙古土壤水含量模型

土壤水含量是农牧业衡量干旱的重要指标,对气候生态具有重要影响,土壤水的变化趋势对于区域的水土流失和气候变化研究等工作具有重要意义,而我国对于土壤水含量的监测起步较晚,因此有必要利用其他已有数据开展土壤水含量模型研究. 利用内蒙古已有全球导航卫星系统(GNSS)天顶对流层延迟(ZTD)数据和湿度、日照以及蒸发量数据进行土壤水含量反演模型研究. 首先将各要素与土壤水含量进行相关性分析,因土壤水含量与GNSS ZTD数据均存在观测噪声,所以应对数据进行去噪处理. 利用小波变换方法剔除噪声,去噪后土壤水含量数据与各要素相关性均有所提高,土壤水含量与湿度相关性最好,两者各实验点的平均相关性为0.645;土壤水含量与日照和蒸发量呈负相关,其平均相关性分别为?0.561、?0.547;而土壤水含量与GNSS ZTD数据相关性最小,其平均相关性为0.271. 根据各要素与土壤水含量的相关性,进行土壤水含量模型构建并进行可靠性验证. 经验证误差统计发现:实验区域NMWJ站模型精度最高,其精度为90.1%;HLAR站点模型精度最低,其精度为69.1%;各站点的平均精度为81.35%. 基于多变量要素的土壤水含量模型可为土壤水含量的趋势变化研究提供参考,通过研究土壤水含量的变化趋势,对区域进行水资源的合理分配利用从而达到节约水资源目的.