公共文化服务平台

搜索到1069篇“ 奇异谱分析“的相关文章

高阶奇异谱分析在变形监测数据中的应用: 2024年; 如何从监测得到的GNSS时间序列中获取有用信息,了解变形监测对象的变形特征,已经成为变形监测领域一项重要研究课题。为了提取桥梁GNSS监测时间序列中桥梁变形特征,针对奇异谱分析在鲁棒性上的不足,本文提出了利用鲁棒性更好的高阶奇异对特长钢箱梁桥GNSS监测数据进行处理。通过两种评价指标对奇异谱分析与高阶奇异谱分析的信息提取效果进行量化对比,结果表明利用高阶奇异谱处理后得到的时间序列更平滑,与原始时间序列的相关程度越高,去噪效果越好。此外对经高阶奇异谱分析处理过滤的噪声进行标准正态分布检验,结果表明经高阶奇异谱分析过滤掉的噪声呈标准正态分布,桥面属于稳定状态。; 郑志连; 关键词：奇异谱分析去噪标准正态分布

一种基于奇异谱分析的短期风功率预测方法: 本发明公开了一种基于奇异谱分析的短期风功率预测方法，属于风力发电技术领域，包括：获取原始风电功率数据；对原始风电功率数据进行奇异谱分解处理，获取多个子序列；对原始风电功率数据及多个子序列进行卷积处理，获取具有风电功率数据...; 颜全椿姜海波袁超刘亚南顾文喻建姚瑶王亮王斯妤莫菲

基于奇异谱分析的PMI组合预测模型: 2024年; 为了提高制造业采购经理人指数(PMI)的预测精度,结合PMI周期性和非线性的特点,提出了融合奇异谱分析(SSA)、季节差分自回归移动平均(SARIMA)模型和支持向量回归(SVR)模型的组合预测模型。该模型采用SSA将PMI分解为主要成分和噪声成分,借助SARIMA模型处理线性问题以及SVR模型处理非线性问题的优势,分别为两个成分建立相应的预测模型,针对主要成分选取SARIMA模型和SVR模型建模,噪声成分选取SVR模型建模,最后将各自得到的结果组合为最终的预测结果。实验显示:SSA-SARIMA-SVR模型的误差评价指标最低,预测效果最好,可供预测PMI走势。; 刘斌董清浩; 关键词：PMI 奇异谱分析支持向量回归

基于奇异谱分析的旅客运输量预测研究: 2024年; 对旅客运输量进行科学准确地预测,可以为交通领域相关部门提供有效的借鉴。将旅客运输量作为研究对象,基于SSA(奇异谱分析),结合LSTM(长短时记忆神经网络)和ARMA(自回归移动平均模型),通过SSA降噪处理,将旅客运输量时间序列分解为信号序列和噪声序列,分别对其进行LSTM和ARMA(2,3)建模,预测其变化趋势。通过对比单一的ARIMA(3,1,2)模型和LSTM模型的实验结果表明,SSA-LSTM-ARMA预测旅客运输量效果更好,预测精度更高。; 方成杨正儒任建宝谭莹莹; 关键词：旅客运输量奇异谱分析

基于Cook距离的阻尼多道奇异谱分析分离绕射波: 2024年; 地震绕射是提升小尺度不规则地质体成像横向分辨率的重要手段。常规地震记录中的绕射波会被能量强的反射波掩盖,因此需要分离出绕射波并成像。阻尼多道奇异谱分析是一种秩约束类的去噪方法,其原理为地震数据经过Hankel变换后做奇异值分解,反射波和绕射波分别对应着数值较大和较小的奇异值。然而该算法依赖人工确定反射波场的秩,不适用于海量地震数据处理。为了克服人工选择奇异值的问题,提出使用Cook距离作为自动计算反射波场秩的解决方案。将Cook距离和阻尼多道奇异谱分析算法相结合以实现反射和绕射波分离。模拟共炮检距道集和叠后实际数据实验表明,该方法能够有效获得高质量绕射波场。; 霍伟光曹静杰陈雪赵惊涛赵石峰蔡志成; 关键词：绕射波 COOK距离

基于奇异谱分析的CNN-BiLSTM短期空调负荷预测模型被引量：2: 2024年; 空调负荷的精准预测对建筑空调系统优化控制具有重要意义。为提高空调负荷预测精度,提出了一种基于奇异谱分析(SSA,Singular Spectrum Analysis)的卷积神经网络(CNN,Convolutional Neural Network)和双向长短时记忆网络(BiLSTM,Bidirectional Long Short Term Memory)短期空调负荷预测模型。使用皮尔森相关系数选取与空调负荷高相关性特征。针对空调负荷的波动性和随机性,采用SSA将空调负荷分解为多个分量,同时将各个分量带入CNN-BiLSTM模型进行预测,该模型利用了CNN的特征提取和BiLSTM的双向学习能力,并将各个分量预测结果进行重构。通过不同建筑类型的空调数据对该模型进行验证分析,发现所提出模型在预测办公建筑空调负荷中RMSE、MAPE和MAE为19.47RT、14.72RT和2.33%,在预测商业建筑空调负荷中RMSE、MAPE和MAE为82.5RT、34.21RT和0.87%。结果表明,所提出的模型具有普适性且精度较高,可进行推广应用。; 杨心宇任中俊周国峰易检长何影; 关键词：空调负荷预测奇异谱分析卷积神经网络

温变下基于奇异谱分析的机电阻抗损伤识别法: 2024年; 为消除温度变化对损伤识别的影响,采用奇异谱分析(singular spectrum analysis,简称SSA)方法处理阻抗信号以分离不受温度变化影响的信号分量,提出结合t-分布随机邻域嵌入(t-distribution stochastic neighbor embedding,简称t-SNE)与K均值聚类算法的无监督机器学习方法,进一步处理信号分量实现损伤识别。为验证该方法的可行性,以螺栓组连接的铝板结构作为实验对象进行温度变化工况下螺栓松动机电阻抗损伤识别实验。结果表明,应用SSA方法得到的信号分量能在温度变化影响下有效识别螺栓松动状态,各工况识别准确率均达到98%以上,证明了所提出方法对消除温度变化影响的有效性。; 陈文捷肖黎屈文忠; 关键词：温度变化奇异谱分析

基于奇异谱分析和改进ResNet的射频指纹识别方法: 2024年; 针对当前真实场景下远距离射频指纹识别难以准确提取特征且实时性较差的问题,提出一种基于奇异谱分析重构信号和改进残差神经网络的射频指纹识别的方法。首先,将采集到的信号进行奇异谱分析,根据贡献率大小对原始信号进行重构,随后通过STFT获得时频谱图作为神经网络的输入:其次,构建轻量级残差神经网络,加快模型收敛速度;然后,在轻量级网络的下采样过程中引入混合维度注意力机制,对网络中间的特征图进行重构,强调重要特征,抑制一般特征;最后,使用激活函数Leaky ReLU替换原有的ReLU,避免在负值区域的梯度永远为0,进而导致模型训练无法反向传播。使用公开数据集POWDER-4BS-Iqsample验证实验后的结果表明,所提方法仅需要训练10个epoch识别精度就能达到87%,在保证识别精度的前提下缩减了时间损耗。与多种经典模型和算法相比,所提方法更加兼具识别精度与实时性。; 凌浩然朱丰超姚敏立; 关键词：奇异谱分析信号重构激活函数

一种面向心电信号处理的奇异谱分析改进算法: 2024年; 心电图(ECG)作为人体的关键生理信号被广泛应用于医疗领域,但在采集过程中心电信号容易受到噪声干扰而影响信号质量。为此,设计了一种奇异谱分析(SSA)的改进算法用于心电信号降噪处理。奇异谱分析改建算法是在SSA中的主元重组(grouping)阶段引入逻辑回归(LR)算法,将主元重组方式改进为自动重组,实现面向心电信号的SSA自监督降噪处理。使用基于AD620的心电信号采集装置,构建53条心电信号测试集进行验证,使用奇异谱分析的改进算法,主元自动选择的准确性为98.68%,重构的心电信号信噪比(SNR)由10.43 dB平均提高到20.17 dB,能够有效提取出清晰的PQRST波,使其在医疗领域心电信号检测与降噪方面具有很好的实用化前景。; 虞娇兰俞洋徐行卢晓勃崔鸿飞武新波; 关键词：心电信号奇异谱分析逻辑回归主元分析

奇异谱分析在GNSS变形监测数据处理中的应用被引量：1: 2024年; 为了更好地对桥梁的变形状态进行监测,评价桥梁运营的稳定性,本文将GNSS(Global Navigation Satellite System)用于桥梁变形监测中,并使用奇异谱分析(Singular Spectrum Analysis,SSA)对GNSS监测数据进行处理。研究了实现SSA的关键参数嵌入维数及有效主分量的确定方法。经SSA后提取得到变形监测数据中的趋势项成分与周期项成分,剔除了噪声项,对结果分析得出:桥梁在3个方向上都会产生周期性变形,变形幅度不一样但是周期及变形极值点都一致,并且只在一定范围内变化,理解为受日照、荷载影响产生的变形,这种可恢复性变形也表明桥梁的运营状态良好。; 刘日辛; 关键词：奇异谱分析 GNSS 桥梁

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈