奇异谱分析
奇异谱分析的相关文献在1996年到2022年内共计342篇,主要集中在测绘学、大气科学(气象学)、自动化技术、计算机技术
等领域,其中期刊论文260篇、会议论文17篇、专利文献178199篇;相关期刊178种,包括山东科技大学学报(自然科学版)、测绘标准化、测绘工程等;
相关会议16种,包括第11届全国转子动力学学术讨论会、中国地球物理学会第二十九届年会、第十届中国水论坛等;奇异谱分析的相关文献由935位作者贡献,包括刘磊、刘云侠、岳东杰等。
奇异谱分析—发文量
专利文献>
论文:178199篇
占比:99.84%
总计:178476篇
奇异谱分析
-研究学者
- 刘磊
- 刘云侠
- 岳东杰
- 骆建华
- 凌永权
- 刘健文
- 郭金运
- 丁裕国
- 刘元峰
- 刘玉莲
- 吴洪宝
- 唐佳誉
- 曹奇
- 朱跃敏
- 李捷
- 杨舟
- 王涛
- 翟长治
- 黄嘉佑
- 余锦华
- 侯建梅
- 刘新
- 周茂盛
- 孙中皋
- 岳顺
- 崔东文
- 徐克红
- 徐植
- 李小奇
- 杨国诗
- 殷豪
- 江志红
- 汤同旭
- 王东晓
- 田林亚
- 程鹏飞
- 董佩明
- 袁金南
- 谷德军
- 赵佳佳
- 赵玫
- 郭生练1
- 金龙
- 陈俊
- 陈进
- 高勇
- 黄茂怡
- 丁小曼
- 严军
- 于维杰
-
-
吴晗;
黄玲;
刘立龙;
黄良珂;
章红平
-
-
摘要:
针对电离层总电子含量(TEC)时间序列具有高噪声、非线性和非平稳的特性,在奇异谱分析基础上,融合长短期记忆神经网络模型构建短期电离层组合预报改进模型,并对磁暴期、磁平静期的电离层TEC预报精度进行分析。结果表明,在磁暴期和磁平静期,该模型预报3 d的TEC相对精度分别为91.17%和95.46%,比单一LSTM模型分别提高4.92百分点和3.17百分点。
-
-
郭帆;
王鹏
-
-
摘要:
针对MEMS矢量水听器的噪声去除问题,将集合经验模态分解(EEMD)、小波阈值去噪(WT)和奇异谱分析(SSA)相结合,提出了一种联合EEMD-WT-SSA去噪算法.该算法首先将含噪信号分解为一系列固有模态函数(IMF),然后,用连续均方误差准则(CMSE)对高频和低频进行区分,对高频信号进行小波阈值去噪,再和低频信号进行重构,最后对重构信号利用奇异值分析方法进行恢复,得到目标信号.通过仿真实验和湖试实验的信号处理表明,所提算法在信噪比和均方误差两个评价指标方面,相对于EEMD和EEMD-WT算法,具有明显的优势.
-
-
陈黍;
许炫淙;
张铮;
梁儒铎;
孟安波
-
-
摘要:
精确的短期风电功率预测能有效提高电网供电可靠性。为降低风电数据中隐含噪声对预测结果的影响,采用奇异谱分析(Singular Spectrum Analysis,SSA)将原始数据分解并重构为趋势、周期和高频噪声三个子序列,作为预测模型的输入。针对传统循环网络局限于时间相关性的前向提取,提出卷积双向门控循环单元网络(Convolution Neural Network-Bidirectional Gated Recurrent Unit,CNN-BiGRU)预测模型。前者提取重构子序列间特征的耦合关系,后者挖掘数据的双向时间相关性,以提高预测精度。为了研究该模型的预测性能,选取了其他模型进行对比,试验结果表明SSA-CNN-BiGRU模型比其他模型更具有优越的预测性能。
-
-
张浩哲;
常晓涛;
朱广彬;
周苗;
刘伟
-
-
摘要:
利用时变重力场模型、GLDAS水文模型和湖泊水量变化数据反演三江源区域2003~2020年地下水储量变化,使用奇异谱分析方法对地下水变化时间序列进行分析。结果表明,2003~2012年三江源区域地下水储量整体呈现增长趋势,年增长率为0.7 cm/a;2013~2020年三江源区域地下水储量整体呈现减少趋势,年增长率为-0.3 cm/a;三江源区域地下水年度变化主要受降雨补给规律的影响,降雨对地下水的补给滞后期为2个月。
-
-
成云云;
白艳萍;
续婷;
谭秀辉;
程蓉
-
-
摘要:
考虑到新冠病毒传播特点,本文提出了一种基于奇异谱分析(SSA)的万有引力搜索和粒子群联合算法(PSO-GSA)优化的支持向量回归(SVR)预测模型.首先,采用SSA算法对全球各个区域(非洲区域、美洲区域、东南亚区域、欧洲区域、东地中海区域、西太平洋区域)每周新增确诊及死亡病例的实时监测数据进行降噪处理,基于重构序列建立SVR模型;其次,分别引入PSO和GSA算法优化SVR模型的参数,建立更为精准的预测模型(PSO-SVR和GSA-SVR);最后结合两种算法的优点,构建了一种PSO-GSA联合算法,建立了SSA-PSO-GSA-SVR预测模型,并将以上模型应用于全球新冠肺炎疫情趋势预测.实验结果显示:对比其他文献中提出的PSO-SVR和GSA-SVR预测模型,基于SSA-PSO-GSA-SVR预测模型的预测评价指标MAPE的值最低,预测效果最优,表明该模型可以为COVID-19发展趋势提供科学依据.
-
-
杨琼波;
崔东文
-
-
摘要:
为提高径流时间序列预测精度,提出小波包分解(WPD)与奇异谱分解(SSA)-鼠群优化(RSO)算法-回声状态网络(ESN)相混合的径流时间序列预测方法。分别利用WPD和SSA将非平稳径流时间序列分解为若干子序列,有效降低径流时间序列的复杂性;介绍RSO算法原理,在不同维度条件下选取6个典型函数对RSO算法进行仿真测试;利用RSO算法对ESN储备池规模、稀疏度等超参数进行优化,建立WPD-RSO-ESN、SSA-RSO-ESN模型,并分别构建WPDRSO-SVM、WPD-ESN、WPD-SVM和SSA-RSO-SVM、SSA-ESN、SSA-SVM作对比分析模型;利用云南省江边街水文站1957-2014年逐月径流时间序列数据对8种模型进行检验及对比分析。结果表明:RSO算法在不同维度条件下均具有较好的寻优精度和全局搜索能力。WPD-RSO-ESN、SSA-RSO-ESN模型对实例后10年120个月月径流时间序列预测的平均绝对百分比误差分别为2.73%、3.90%,预测精度优于同一分解条件下的其他模型。RSO算法能有效优化ESN网络超参数,提高ESN网络的预测性能。WPD对径流时间序列数据的分解效果优于SSA方法。
-
-
张亚杰;
崔东文
-
-
摘要:
针对水文时间序列月径流多尺度非平稳性等特点,提出基于奇异谱分解(SSA)的学生心理学优化(SPBO)算法-自适应神经模糊推理系统(ANFIS)月径流组合预测模型,并应用于云南省某水文站月径流预报。首先通过SSA将实例月径流时序数据分解为若干独立子序列分量,以降低时序数据的复杂性;其次介绍SPBO算法原理,通过取8个标准函数对SPBO算法进行仿真验证及比较;最后采用SPBO算法优化ANFIS条件参数和结论参数,建立SSA-SPBO-ANFIS模型对每一个子序列进行预测,叠加后作为最终月径流预测结果,并与基于集合经验模态分解(EEMD)的EEMD-SPBO-ANFIS模型和未经分解的SPBO-ANFIS模型作比较。结果表明:SPBO算法具有较好的寻优精度;SSA-SPBO-ANFIS模型对实例月径流预测的平均绝对百分比误差5.57%,平均绝对误差0.20 m^(3)/s,纳什系数0.9948,合格率96.7%,预测效果优于EEMD-SPBO-ANFIS模型,远优于SPBO-ANFIS模型。模型及方法可为相关水文时间序列预测研究提供参考。
-
-
虞晓霞;
潘光永
-
-
摘要:
提升舰船网络信号及整体通信质量,提出基于稠密度聚类的舰船网络微弱信号自适应增强方法。应用稠密度聚类算法检测出舰船网络微弱信号,通过经验模态分解法分解微弱信号,结合小波变换法与奇异谱分析法去除的噪声,实现舰船网络微弱信号增强信。结果表明,该方法能够有效分解所检出微弱信号,并进行分量去噪处理,去噪后各信号分量不仅保留原有细节特征,且有效消除掉干扰噪声,重构后所获得的增强信号整体呈现清晰,可有效保障舰船网络的整体通信质量。
-
-
汤同旭
-
-
摘要:
对于利用GNSS测量技术获取的桥面监测数据,研究如何对其进行准确而有效的处理与分析,获取桥梁的运营状态,对桥梁的养护与安全运营具有重要意义。从对桥面GNSS监测数据的处理与分析方法研究出发,利用EMD方法结合频谱分析,得到EMD后的IMF分量的频域范围,有效地分离出含有振动信息的变形量、趋势分量和高频噪声分量。结合SSA、EMD两种信号处理方法的优点,提出了一种新的EMD-SSA耦合模型,将经SSA去噪后的高频IMF分量与低频IMF分量和残余项进行重构。对新的信号处理模型通过仿真信号和桥面监测信号进行验证,试验结果表明,新模型的处理效果较单独的EMD、SSA方法的处理效果有了显著提升。与EMD、SSA方法相比,利用新方法处理信号后信噪比与相关系数增加,偏差减小,验证了新方法的可行性与有效性。
-
-
赵鹏远;
王仁超;
马钰明
-
-
摘要:
南水北调工程中渡槽的安全监测对保证其长距离输水的稳定具有重要的意义。为解决目前渡槽变形预测中原型观测资料挖掘不充分的问题和进一步提升预测的精度,本文提出了一种基于时序分解和机器学习的渡槽变形预测方法。该方法首先使用奇异谱分析法将渡槽变形监测数据分解为周期分量、趋势分量和剩余分量三部分,使用核极限学习机对周期分量和趋势分量进行预测,使用长短期记忆网络结合相空间重构理论建立剩余分量的预测模型,将预测结果叠加,建立渡槽变形组合预测模型。以双洎河支渡槽的变形监测数据为例,验证了该模型的性能。结果表明,所提出的组合预测模型具有较高的精度,并且具有一定的鲁棒性,为渡槽的安全监测提供了新的技术方法。
-
-
李闯;
步长城;
李振春;
黄建平
- 《中国地球物理学会第二十九届年会》
| 2013年
-
摘要:
在地震数据处理中,噪音的去除和数据规则化是一项十分重要的工作,不规则的地震数据不利于偏移成像处理.基于奇异谱分析(SSA)的矩阵秩减方法根据相邻地震道之间的相干性压制随机噪声,减小了去噪时有效信号的损失,并且通过迭代插值的方法补全由于空间采样不均匀造成的地震道缺失.但是,目前去噪和规则化不能同时进行,本文提出一种基于奇异谱分析的联合去噪、规则化方法,在迭代时自动在地震道缺失的位置进行插值,在不缺失地震道的位置压制噪声.
-
-
-
赵兴梁;
粟然
- 《中国高等学校电力系统及其自动化专业第二十五届学术年会》
| 2009年
-
摘要:
短期风速预测对并网风力发电系统的运行有重要意义。本文提出了一种奇异谱分析和时间序列相结合的方法进行风电场的短期风速预测。采用奇异谱分析提取实际风速序列中的趋势成分和振荡周期成分,进行准周期信号分量重建,对重建序列进行ARMA建模预测。算例表明,使用上述方法预测的风速与真实值基本一致。将本文提出的方法与ARMA方法的预测结果进行比较,前者具有更高的预测精度,表明SSA对于提高预测准确率是有效的。
-
-
-
-
-
江志红;
朱红蕊
- 《中国气象学会2008年会》
| 2008年
-
摘要:
热带地区大气季节内振荡(MJO)的活动及异常对热带气候系统有重要的影响,同月、季时间尺度长期天气预报和短期气候预测关系密切,是大气科学主要前沿研究课题之一,若能实现对MJO的超前预报,便可改进并实现对与其有关的各种天气及气候事件的预报与研究。本文采用奇异谱分析(SSA)与自回归(AR)预测模型相结合的方案,对MJO逐日指数序列作自适应滤波意义下的超前预报。结果表明,对SSA方法分解出的主分量进行重建,将得到的RCs合成序列进行AR(P)建模,得到MJO指数的超前预报十分有效,SSA-AR模型可对其做提前1-20天预报,提前20天两指数预报值与实况之间平均相关系数达到0.5,与直接做AR相比较,该方法有较高可信度。该方案预报技巧稳定,将SSA-AR方案进一步完善,可望作为MJO指数业务预报的有效模型。
-
-
-