Practical implementation of Hilbert-Huang Transform algorithm

Hilbert-Huang Transform (HHT) is a newly developed powerful method for nonlinear and non-stationary time series analysis. The empirical mode decomposition is the key part of HHT, while its algorithm was protected by NASA as a US patent, which limits the wide application among the scientific community. Two approaches, mirror periodic and extrema extending methods, have been developed for handling the end effects of empirical mode decomposition. The implementation of the HHT is realized in detail to widen the application. The detailed comparison of the results from two methods with that from Huang et al. (1998, 1999), and the comparison between two methods are presented. Generally, both methods reproduce faithful results as those of Huang et al. For mirror periodic method (MPM), the data are extended once forever. Ideally, it is a way for handling the end effects of the HHT, especially for the signal that has symmetric waveform. The extrema extending method (EEM) behaves as good as MPM, and it is better t     

基于EMD与神经网络的机械故障诊断技术

经验模式分解 (EMD)是分析非线性、非平稳信号的有力工具 ,它将信号分解为突出了原信号的不同时间尺度的局部特征信息的内在模函数 (IMF)分量。本文通过将各 IMF分量输入到 BP网络中进行训练学习和故障诊断 ,比直接输入原信号可以提高 BP网络对故障诊断的准确率 ,而且减少了训练时间。     

局部区域GPS网坐标转换的改进模型

GPS的应用经常涉及到坐标变换.用局部小区域的GPS网数据求解三维坐标转换模型(如布尔萨模型)的转换参数时,平移参数精度不高,病态问题较严重.提出了用坐标转换的改进模型,能有效提高平移参数的精度,在一定程度上解决了病态问题,在工程测量中有一定的实用价值.     

经验模式分解的尺度阈值滤波在变形分析中的应用

本文将信号处理领域的经验模式分解算法应用于变形信息的提取中,通过引入阈值函数,建立了基于经验模式分解的尺度阈值滤波模型,采用优化模型确定了经验模式分解的次数。分别通过模拟试验和实测数据与小波阈值法和多项式拟合法进行了比对,分析表明:在低噪声情况下,三种方法都有一定的滤波效果;在高噪声情况下,经验模式分解的尺度阈值滤波法具有与小波阈值去噪法相等的精度,而且瞬时强噪声识别能力更好,优于多项式拟合法。     

改进的ARCE方法及其在单频 GPS快速定位中的应用

基于TIKHONOV正则化原理，设计了一种正则化矩阵的构造方法，将ARCE(ambiguity resolution using constraint equation)方法进行了改进。通过新的正则化矩阵的作用，减弱了GPS快速定位中少数历元情形下法矩阵的病态性，得到了比较准确的模糊度浮动解，大大减小了模糊度的搜索范围，利用ARCE方法固定模糊度的成功率高。并结合一个算例，验证了本文改进方法的效果。     

应力释放模型的改进及其在研究台湾地区地震预测问题中的应用.

应力释放模型过去主要用于研究大范围历史大地震活动规律．本文对应力释放模型进行了改进，对其能否运用于区域更小、时段更短、震级更低的情况进行了探讨；以台湾地区近百年6级以上地震为例的研究结果表明，应力释放模型仍然适用．在回溯性的地震预测检验中，用改进的应力释放模型计算出台湾地区地震发生的条件概率强度，并用其预测6级以上地震的发震时刻．结果表明，其预测精度优于泊松模型．      

基于主体功能区约束的大气污染物总量控制目标分配研究

考虑经济发展水平、污染物排放现状、污染物治理水平、空气质量,特别是国家主体功能区环境目标约束等因素,构建大气污染物排放总量分配的指标体系,用改进的等比例分配方法对2015年国家SO2,NOx总量控制目标进行区域分配。分配结果表明:SO2和NOx削减量大的省份主要集中在华北平原及其周围地区,这些地区污染物排放量大、空气质量较差;削减比例较大的地区主要集中在西部地区以及北京、天津2个直辖市,这些地区单位GDP能耗高、工业污染物去除率低、空气质量差;削减量相对较小的地区主要集中在西南和南部一些省份;削减比例较小的地区主要集中在中南部和南部几个省份,这些地区污染物排放量相对较少,空气质量好于其他省份。     

EMD-Wavelet-ICA耦合模型及其在GPS坐标序列降噪中的应用

在分析比较经验模态分解(EMD)、小波变换(Wavelet)和独立分量分析(ICA)优缺点的基础上,提出一种新的EMD-Wavelet-ICA耦合模型。该模型充分利用了EMD的自适应性,对原始信号进行分解获得不同频率的模态函数(IMF),采用标准化模量的累计均值对IMF进行尺度划分;进而分别采用Wavelet和ICA对高频和低频IMF进行降噪,将降噪后的IMF进行多尺度重构,获得降噪后的信号;采用信噪比、标准差、偏差和相关系数等指标对降噪效果进行评价。仿真数据和GPS坐标序列的处理结果表明:与EMD模型和EMD-ICA模型相比,新模型的标准差、偏差均有不同程度的减小;信噪比和相关系数有一定程度的增大,可以获得更好的降噪效果。     

改进后灰色神经网络及短期基坑沉降预测研究

在短期基坑沉降监测中,由于数据量少且呈非线性变化,沉降模型很难准确建立。灰色GM(1,1)对数据少、趋势性强、波动小的数据有较高的预测精度,但不能模拟复杂的非线性函数;BP神经网络可以对非线性数据进行学习训练,具有自学习、自适应能力;通过将GM(1,1)与BP神经网络组合,并优化网络部分的学习率、权值和阈值等,建立一种改进的灰色神经网络模型,该模型具有对非线性数据自学习、自适应能力和预测精度更高等优点。通过某基坑沉降监测分析,验证改进的灰色神经网络模型预测精度更高,适合短期建模,具有很好的实用性。     

水库群水沙调控的单-多目标调度模型及其应用

为缓解内蒙古河段"二级悬河"形势,以黄河上游沙漠宽谷河段为研究对象,以龙羊峡水库、刘家峡水库为调控主体,开展黄河上游水沙调控研究。建立了输沙量、发电量最大的单目标模型以及多目标模型;分别采用自迭代模拟算法、逐次逼近动态规划算法(DPSA)和改进的非支配排序遗传优化算法(NSGA-Ⅱ)求解模型;设置了初始、常规、优化和联合优化4种方案。通过实例计算,联合优化调度方案的区间总冲刷量达到了0.38亿t,梯级发电量148.22亿kW·h。该方案以较小的电量损失换来了输沙量的大幅度增加,水沙调控效果显著,推荐为最优方案。研究成果量化了水沙调控效果和各目标间的转化规律,为开展黄河上游水沙调控提供了决策依据,具有重要的应用价值和实际指导意义。