南京地区夏季暴雨年际变化的主要模态及其与大气环流的联系

EEMD(集合经验模态分解)方法在处理非线性及非平稳时间序列时表现出了很大的优势和应用潜力。利用EEMD方法研究南京地区夏季暴雨年际变化周期,对55年(1946-2000)的南京地区夏季暴雨频数进行分解,分别得到一系列模式,其中包含有2-3年周期分量和7年周期分量,而且2-3年周期分量幅度较大,变化特征与暴雨频数原始数据变化具有很高的相似性。不同于传统方法,EEMD方法给出了暴雨频数在不同时间尺度上各自分离的变化特征.这两种时间变化模态对应于不同的200hPa环流型,前者主要作用区域在南亚和欧亚大陆到西太平洋的副热带地区,而后者相关区域在西太平洋热带和亚洲中纬度地区。     

集合经验模式分解在柴油机机械故障诊断中的应用

针对柴油机表面振动信号非平稳、非线性等特点,引入集合经验模式分解(EEMD)的信号分析方法,对原始振动信号叠加适当的随机高斯白噪声,从而改变信号的局部时间跨度,有效抑制了经验模式分解(EMD)的模式混叠现象.通过Hilbert变换作边际谱曲线以提取故障特征信息.仿真试验和发动机故障实例证实了EEMD算法可以提高振动信号的分析精度,在柴油机机械故障诊断领域应用前景广泛.     

基于EEMD模型的我国跨境并购宏观经济动因分析

以2008~2018我国A股上市公司实施的跨境并购交易为样本，运用EEMD模型从短期和长期两个时间尺度考察了宏观经济环境与跨境并购的关系.结果表明:近些年，我国宏观经济的持续高速发展是引发跨境并购长期波动的主要原因，国内经济政策不确定性上升也会对其产生促进作用;股票市场的短期波动和经济政策调整是驱动跨境并购短期波动的重要因素;无论长、短期，经济预期都对跨境并购波动起反向抑制作用.当国内股票市场指数居于高位、未来经济预期变差或经济政策不确定性上升时，我国企业越有可能进行跨境并购.     

基于EEMD和小波神经网络的短期电价组合预测

从降低电价序列非平稳性出发,提出一种基于聚类经验模态分解(EEMD)和小波神经网络(WNN)的新型组合预测模型来预测短期电价;采用Matlab/Simulink仿真平台进行建模仿真;仿真结果表明:新算法预测精度高,预测方法可行。