Ap,aa和Dst指数周期变化特征的EMD分析

经验模态分解(EMD)方法在处理非线性及非平稳随机信号序列时表现出很大的优势和应用潜力.利用EMD方法对地磁指数(Ap,aa及Dst)月均值进行了分解,分别得到一系列模式和一个趋势项.其中可能包含了6个月周期分量,准1a周期分量,准两年震荡(QB0)分量,准5a周期分量,准11a周期分量和22a Hale周分量等.地磁活动指数与太阳黑子数都有着显著的11a周期变化分量,比较发现Ap和aa指数准11a周期分量极值出现要比太阳黑子数R准11a周期分量极值出现平均滞后1-2a,滞后最大值发生在1970年前后;Dst指数没有特别明显的滞后特征.     

地磁活动指数与太阳活动的小波分析

根据1957—2012年的地磁指数Ap、Dst、AE和太阳活动参数(太阳黑子相对数R与太阳射电流量F10.7)数据,利用小波分析方法研究了地磁活动与太阳活动的关系.结果表明,Ap、Dst、AE指数和太阳活动参数均存在准11 a和准22 a的周期特征.Ap和AE峰值滞后于太阳参数峰值1~2 a;而Dst指数与太阳参数存在近似负相关的关系,但从第21太阳周起逐渐延迟于太阳参数,表明地磁活动受太阳活动影响的滞后性.此外,地磁指数峰值从第20太阳周开始有逐渐下降的趋势,反映了地磁活动对太阳活动的响应减弱.     

太阳黑子数与电离层TEC的相关性分析

为了研究电离层TEC与太阳黑子数在短周期上的相关关系,采用1997～2004年的太阳黑子数资料与同期厦门站的电离层TEC数据,利用小波功率谱分析的方法提取3个尺度的短周期,并利用小波相干谱的方法重点研究了两者在278 d周期上的相关性。研究表明：太阳黑子数和电离层TEC主要存在准27 d、准半年周期以及年周期等短周期,而且电离层TEC和太阳黑子在准27 d周期上有良好的相关性。位相计算表明,电离层TEC的变化滞后于太阳黑子数2～3 d。厦门地区TEC与太阳活动的相关性在夏季比其他季节更强,这对提高该地区电离层TEC预报精度有很大意义。     

太阳活动对黄帝陵500年侧柏年轮变化的可能影响

用小波功率谱方法分析了处于公元1470～1974年间的黄帝陵侧柏年轮指数及长序列的太阳黑子相对数的变化,讨论了它们的变化特征.结果表明黄帝陵侧柏年轮变化具有约2～7,11,93和150a的周期.太阳黑子相对数变化的分析中采用了两个数据序列,对1700～1974年的年均值序列的分析,得到其变化周期约为11,50,93a;对利用地磁资料重建的10a间隔的长7000年的太阳黑子序列,对其1465～1975年间资料的分析得到变化周期约为50,90和160a周期.分析认为,除树木年轮中2～7a的周期被一般认为与ENSO有关外,其中11a的变化周期与太阳活动的Schwabe周期有关,90和150a的长周期变化可能与太阳活动的Gleissberg周期和Suess周期有关.它们之间相关的原因可能来自太阳活动对气候的影响,并进一步影响树木的生长.     

基于HHT方法的洪家渡水电站年平均流量多尺度演变分析

应用基于经验模态分解(EMD)的Hilbert-Huang变换(HHT)方法对洪家渡水电站1951~2005年的天然年平均流量系列进行了分析研究,并对未来洪家渡水电站年平均流量变化进行了预测.结果表明:洪家渡站年平均流量存在准3 a、准9a、准11a及准30a的波动周期;各时间尺度振荡的方差贡献以3a和9a的为最大;未来5年,洪家渡水电站年平均流量减少的趋势将逐渐扭转,年平均流量将逐年增加.     

风云1号卫星相对论电子观测结果和增强事件分析

风云1号（FY—1）卫星运行在约870km的近地轨道上,安装于该星上的“空间粒子成分监测器”对相对论电子（〉1．6MeV）进行了长期的观测．参考同期的“SAMPEX”卫星同类探测结果,对1999年6月至2005年的风云1号卫星相对论电子观测数据进行了统计分析．并结合ACE卫星太阳风速度数据及地磁活动指数（Dst指数）,对近地轨道相对论电子增强事件与高速太阳风和地磁暴的相关关系进行了讨论．分析结果表明日平均通量峰值大于400cm^-2．sr^-1．S^-1的强相对论电子增强事件频发于太阳活动峰年向谷年转变的过渡时期;风云1号卫星在2003～2005年期间观测到4次持续时间长达26～51d不等的相对论电子增强事件,分析表明这4次持续长时间的事件与高速太阳风和强地磁暴密切相关,而且在增强事件爆发前连续发生2～3次强地磁扰动的空间环境扰动特点是这4次事件的一个共同特征;相关系数的计算结果表明,相对论电子增强事件的通量峰值与太阳风速度和Dst指数均具有较好的相关性,强度大的增强事件与太阳风速度和Dst指数的相关性明显优于强度低的事件．     

1644-1911年云贵地区旱涝灾害的周期特征以及对太阳黑子活动的响应

为探究历史时期气候灾害特征及影响因子,建立了清代1644-1911年云贵地区的旱涝指数序列,采用滑动t检验和总体经验模态分解（EEMD）分析了清代云贵地区旱涝灾害的突变特征和多时间尺度周期性特征,研究表明：清代云贵地区旱涝指数整体较平稳,呈现先明显增加后减少,然后趋于平稳,清末又明显增加的趋势,旱涝指数序列具有多个跃变点,且具有显著的2.8 a和6.6 a年际周期,13.0 a和40.2 a的年代际周期.由旱涝灾害年次和年均县次比的空间分布图发现,其具有同旱同涝的空间分布特征.由于13.0 a的周期与太阳黑子相对数序列的周期接近,故采用交叉小波分析着重探究了太阳黑子活动对云贵地区旱涝变化的影响,发现云贵地区旱涝指数序列同太阳黑子相对数序列在3~6 a的时间尺度具有强凝聚性共振周期.     

基于经验模态分解的煤矿设备温度预测

煤矿设备出现故障时,设备温度会迅速上升,表现出非线性和非平稳性的特点。为了较准确地预测温度异常,采用了基于经验模态分解（EMD）的神经网络方法对设备温度进行预测。该方法首先采用经验模态分解算法对设备温度时间序列进行分解,得到若干个平稳性较好的本征模态函数（IMF）分量和一个剩余量,然后分别对各分量及剩余量进行神经网络预测。仿真结果表明,基于EMD的神经网络预测方法比单一神经网络预测方法,预测精度更高,对于温度异常预测更有效。     

一种基于二维EMD的图像融合方法

图像融合是图像处理中的一个重要内容,常用的小波图像融合主要是基于像素级融合,这种方法容易失去局部特征相关性较强的特性,融合后会出现局部斑点现象．该文应用二维EMD方法在像素级也进行了讨论,并且针对EMD分解的特殊性,提出了一种用二维EMD（two—dimensionalEMD）进行图像融合的方法,采用对IMF（intrinsicmodelfunction）分量在对应频率段上进行线性加权融合,提出了几种常用计算加权系数的方法．通过实验分析和性能评价表明,基于二维EMD的图像融合较小波图像融合效果较好,更能提取图像细节．     

基于EMD方法对冬季极端气温的初步分析

采用每日最高（低）气温的历史同期序列的分位数作为该日的极端高（低）温阈值,运用经验模态分解方法（EMD）对内蒙古巴彦淖尔市杭锦后旗1971－2010年冬季极端高（低）温频数进行了初步分析.结果表明,杭锦后旗冬季极端高温、低温频数序列都与平均气温的相关性显著,极端高温频数主要存在准3年周期振荡,极端低温频数主要存在准6年的周期振荡.     

采用HHT的单相接地故障电流与励磁涌流辨识

为有效辨识中压配电网单相接地故障电流与变压器铁芯饱和产生的励磁涌流相似波形,提出一种基于希尔伯特 黄变换（HHT）经验模态分解（EMD）的辨识方法。通过对故障电流和励磁涌流进行EMD特性分析,将原始信号分解为若干本征模态函数（IMF）分量,根据确定的主导IMF分量个数以及比重系数和阈值的关系,区分出故障电流和励磁涌流的波形。仿真发现,单相接地故障电流主导的本征模态函数分量仅有1个,而励磁涌流主导的IMF分量则有多个;故障电流的比重系数Ki远大于励磁涌流的Ki。仿真结果表明,该方法能够有效辨识故障电流和励磁涌流。     

粤东红海湾海区波侯特征分析

利用遮浪海洋站3a的观测记录，对红海湾海域的波侯进行了分析。结果表明该海区的观测资料前后有差异。海区的波高比较符合两参数的Weibull分布，波浪周期符合对数-正态分布。该海区的波浪类型以风浪为主，其中大浪主要是由风暴引起。平均波周期和平均波高的方根的比例系数为3．87。波高1天滞后的自相关系数为0．42，不平静海面的平均延时符合指数形式。最后用日极值波高数据和二项一对数正态复合极值分布分析了该海区的重现期波高。     

基于分解与集成的空气质量指数预测

为了能够准确地预测空气质量指数（AQI），建立了基于集合经验模态分解（EEMD）-样本熵（SE）的极限学习机（ELM）和门控循环单元（GRU）组合的AQI预测模型。首先利用EEMD算法对AQI数据进行分解，得到一组不同尺度的本征模态函数分量和残余分量；其次计算各分量SE值，根据各分量SE值将各分量重新组合成新的序列，并将新序列按其复杂程度经过GRU模型或ELM模型进行预测；最后将所有结果叠加得到AQI预测值。实验结果表明，与反向传播（Back Propagation,BP）神经网络模型、长短期记忆网络（Long Short-term Memory,LSTM）模型、ELM模型、GRU模型、EEMD-SE-ELM模型、EEMD-SE-GRU模型和EMD（经验模态分解）-SE-ELM-GRU模型相比，基于EEMD-SE-ELM-GRU的组合预测模型其预测误差最小，预测精度最高。     

希尔伯特-黄变换端点效应的自适应端点相位正弦延拓方法

针对希尔伯特-黄变换（Hilbert Huang Transform,HHT）的端点效应问题,提出一种自适应端点相位正弦延拓经验模态分解（Empirical Mode Decomposition,EMD）方法.该方法根据端点附近数据变化趋势,通过在信号两端自适应加上相位、幅值和频率适当的正弦延拓函数,使得原端点的包络线顺着端点附近波形延展,以改进EMD分解精度.为满足EMD内禀模态分量（Intrinsic Mode Function,IMF）与原信号的相关性精度和EMD较低迭代次数的要求,引入能表征EMD性能的目标函数.该函数可通过迭代次数、IMF个数和有效IMF的相关系数大小等来衡量.由于该方法的边界延拓参数是根据延拓周期比例系数、延拓信号长度系数和采样频率自动确定的,故其分解过程完全是一个自适应过程,不需要人为设置,具有较好的实用性.仿真和液压系统实例分析表明,该方法不仅能较好地解决HHT的端点效应,而且相对现有的延拓方法而言,筛选次数更少,能显著提高信号EMD分解精度,且减小Hilbert谱的端点效应,更加精确地提取了液压系统齿轮泵振动信号的故障特征,取得了较好的应用效果.     

经验模式分解在汽轮机局部碰摩故障信号分析中的应用

采用经验模式分解（Empirical Mode Decomposition,简称EMD）方法对汽轮机转子局部碰摩振动信号进行分解,实现碰摩、噪声和背景信号的分离,从而提取局部碰摩振动信号的故障特征．分析结果表明,对具有局部碰摩故障的汽轮机振动信号进行EMD分解得到的内蕴模态函数（IMF）具有明显的碰摩特性．EMD方法可以有效地应用于汽轮机转子局部碰摩故障诊断中．     

基于EMD与BP神经网络的中国股票指数期货价格预测

应用经验模态分解算法（EMD）和BP神经网络理论提出了我国股指期货市场价格走势预测模型。首先应用EMD分解算法把股指期货价格序列分解成不同尺度的内禀模态分量（IMF）,再通过重复试验的方法运用BP神经网络对股指期货价格序列和分解得到的所有IMF的数据序列进行训练,得到股指期货价格的预测模型,并对股指期货价格进行预测。实验表明,通过该方法得到的预测值与股指期货的实际价格有着很高的拟合度。     

激光雷达回波信号的EMD处理

对一列时间序列数据进行经验模式分解（Empirical Mode Decomposition：EMD）,然后对各个分量做希尔伯特变换的信号处理方法,称之为希尔伯特黄变换（Hilbert-Huang Transformation,HHT）。该方法既能对线性稳态信号进行分析,又能对非线性非稳态信号进行分析。本论文将使用EMD方法对激光雷达回波信号进行分析。     

基于EMD的油气管道安全分布式光纤预警系统信号分析方法

针对油气管道安全分布式光纤预警系统检测信号的非平稳特征，提出了基于经验模态分解（EMD）的信号分析方法．预警系统基于Mach—Zehnder光纤干涉仪原理，沿油气管道同沟敷设光缆，利用其中三条单膜光纤构成分布式微振动测试传感器，实时检测管道沿途所发生的泄漏及其他异常事件．该信号分析方法将检测信号通过EMD分解为多个平稳的固有模态函数（IMF）之和，选择若干包含信号主要信息的IMF分量对其进行峭度分析，提取几种事件信号的特征．最后分析了现场实验数据及其信号处理结果．研究结果表明，该方法可以有效地对管道周围发生的泄漏和其他异常情况进行特征提取．     

利用出租车GPS轨迹数据进行短时交通流量预测：以重庆市解放碑街区为例

交通流量预测是智能交通系统的重要组成部分。本文以重庆市解放碑街区为研究区域进行交通流量预测分析,基于研究区域内出租车GPS轨迹数据处理获取时间间隔为5min、10min、15min的交通流量序列。同时为充分挖掘交通流量序列特征规律,减小序列非线性、非平稳性带来的影响,本文提出一种基于信号分解的预测模型GE-RL。通过一般线性模型（GLM）将原始序列分解成周期序列、趋势序列和残差,同时引入经验模态分解方法（EMD）对残差进一步分解以充分挖掘序列特征;模型预测方面,构建随机森林模型（RF）对周期序列和趋势序列进行预测,接着引入长短期记忆网络模型（LSTM）构建RF-LSTM残差模型对EMD分解的各分量进行预测,通过叠加各模型预测成果得到最终预测结果;同时为验证模型精度,设置对照模型进行比对。结果表明,所构建的GE-RL模型在预测精度上均高于对照模型,可以满足基于不同样本时间间隔的交通流量预测的需要。     

用数字信号处理方法分析太阳黑子活动的周期性

太阳黑子数是描述太阳活动水平的主要指标,太阳活动直接影响人类健康和人类赖以生存的环境—地球;依据数字信号处理原理,采用多种处理方法,分析处理了1770-1869年的太阳黑子数年均值;得出了太阳黑子存在11-12年周期的结论.结果表明该方法对研究太阳活动规律乃至天体规律是有效的.