小波分析

摘要： 极端气候事件的发生改变了区域水热条件,并影响着生态环境变化。然而,目前长时间尺度上极端气候的演变规律及其对生态环境的影响尚不明晰。采用Mann-Kendall趋势及突变检验法、连续小波变换和Hurst指数法揭示了喀斯特槽谷印江河流域极端气候的变化趋势、突变时间、周期性特征和未来演变规律,并利用Lindeman-Merenda-Gold模型定量评估了极端气候溶变对生态环境变化的影响。结果表明:(1)印江河流域极端气温显著上升,降雨量增多,呈现湿热多雨的气候特征。未来极端气温事件持续等级将更高,持续强度也更强。(2)同类型极端气候具有潜在的关联性,但不同类型极端气候间的影响较小,且多呈负相关。(3)印江河流域平均净初级生产力(NPP)和归一化植被指数(NDVI)在2000-2015年间呈现相反的变化趋势,NPP平均值为598.53 g C m^(-2)a^(-1),平均减少速率为-3.32 g C m^(-2)a^(-1)。NDVI平均值为0.59,平均增长速率为0.0013/a。(4)冷持续指数(CSDI)、平均温差(DTR)、系统阈值结冰日数(ID6.4)和生长期长度(GSL)对NPP的贡献较大,贡献率分别12.64%、11.50%、11.05%和7.4%。其中,CSDI、DTR、GSL对NPP变化表现为负贡献,而ID6.4则表现为正贡献。大部分极端气候指数对NPP变化的贡献都不超过5%。ID6.4对NDVI变化的影响最大,暖夜日数(TN90p)、热持续指数(WSDI)和暖昼日数(TX90p)相对次之,贡献率分别为13.67%、13.54%、12.95%和10.02%。总体上看,在2000-2015年间,印江河流域湿热多雨的气候对NDVI增长有促进作用,但是由于气温升高和降雨量增加的原因,对NPP累积产生了较大的负面影响。研究结果可为喀斯特槽谷流域气候预测、水资源管理及生态环境恢复提供参考依据。

摘要： 在角接触球轴承沟道磨削加工过程中,为了对其表面谐波源问题进行辨识,提出了一种基于小波分解和重构与功率谱密度法(PSD)、相关性分析的频谱分析方法。首先,采用表面轮廓仪采集了磨削试验中的7006C球轴承内沟的实际截面轮廓信息,再用小波分解的“db5”小波基对其进行了5层分解,并根据圆度误差、波纹度和表面粗糙度的分界指标,将经过小波分解后得到的5层信号重构为低频、中频和高频信号;然后,采用功率谱密度法(PSD)分析了重构信号的各频段信号,并对主要谐波源频率特性进行了辨识;最后,提取了其误差源频率,分析了误差源与加工表面谐波的关联度。研究结果表明:相比于电机转子不平衡、油膜半速涡动和电磁无心夹具调整不当等因素,在磨削试验加工的7006C内沟表面,由砂轮主轴振动导致的谐波占比大;该方法可以作为寻找角接触球轴承沟道磨削表面谐波源和比较谐波源关联度原有方法的一种补充。

摘要： 为了对建筑物变形数据进行有效处理,预测变形量,为建筑物的安全运营保驾护航,本文将GM(1,1)模型、小波分析与神经网络结合,提出了一种灰色—小波神经网络模型,并借用Matlab软件实现了该预测模型。将构建的变形预测模型应用到建筑物变形监测数据处理中,首先使用GM(1,1)预处理数据,并且将预处理后的数据作为小波神经网络模型的输入数据进行变形数据预测。试验结果表明,相比于灰色预测模型与小波神经网络模型,组合模型的预测准确度与稳定性更高,并且随着训练样本的增加,预测结果与实际观测值越接近。

摘要： 临界热流密度对反应堆安全起着至关重要的作用,通过对温升速率进行观察可以有效判断临界热流密度的发生。应用Haar小波函数对自然循环条件下窄通道内的临界热流密度实验温升数据进行分析,通过对温度信号的分解及重构,认为小波分析的结论与通过试验获得的温升数据结果符合性较好,能够准确判断临界热流密度的发生位置和时刻。

摘要： 梳理了列车充电机电流传感器的运行机理,分析了两台充电机输出电流数据,提出了基于向量自回归模型和小波分析法的列车充电机电流传感器故障检测方法。以南京地铁宁溧线(S7线)列车为例,验证了该方法的准确性,能够检测出故障并能判别出故障类型。

摘要： 为深入了解保定市空气质量状况,揭示PM_(2.5)与臭氧(O_(3))的变化特征及相互关系,利用小波分析法对保定市2013—2020年每年4—9月AQI、PM_(2.5)、O_(3)-8 h(O_(3)日最大8 h滑动平均值)和NO_(2)浓度的逐日数据进行分析.结果表明:①2013—2018年保定市O_(3)污染呈逐年加重趋势,最大日浓度达到347μg/m^(3);随着治理措施的颁布与实施,PM_(2.5)超标天数由2013年的97 d减至2020年的1 d,PM_(2.5)超标情况逐年改善.②O_(3)超标天数由2013年的3 d增至2018年的95 d,2020年减至61 d;O_(3)超标天数占PM_(2.5)和O_(3)超标总天数的比例从2013年的3%增至2020年的98%,说明O_(3)逐渐成为影响保定市空气质量的主要污染物.③2013年保定市O_(3)-8 h浓度低于“2+26”城市均值,2014—2020年O_(3)-8 h浓度高于或接近“2+26”城市均值,说明近年来保定市O_(3)-8 h浓度的升幅已超过“2+26”城市的平均水平.④小波分析发现,2013—2020年(除2015年和2018年外)AQI与PM_(2.5)污染序列的第1主周期相近,从2017年开始,AQI与O_(3)-8 h污染序列的第1主周期和第2主周期均一致,说明近年来保定市空气污染逐渐由PM_(2.5)污染转为PM_(2.5)与O_(3)复合污染.⑤在同一时间尺度范围内,PM_(2.5)与O_(3)-8 h污染序列的震荡频率基本一致,说明二者存在较明显的正相关关系;2015—2019年,NO_(2)与O_(3)-8 h污染序列的震荡频率趋于一致,说明保定市O_(3)-8 h浓度受前体物NO_(2)影响较大,2020年震荡频率有较大差异,这可能与新冠肺炎疫情复工后生产规模尚未完全恢复,致使NO_(2)、PM_(2.5)等污染物排放强度同比降低有关.因此,减少NO_(2)排放,协同控制多污染物是实现保定市空气质量改善的主要途径.

摘要： 采用小波阈值法对等离子体点火密闭爆发器实验的压力信号进行降噪,选择平滑度和均方根误差建立多指标融合的评价体系,比较不同小波基函数、阈值方法、分解级数等条件下密闭爆发器实验压力信号的去噪效果,根据评价指标选择去噪效果最佳的小波参数。计算结果表明,小波基函数为db8,分解级数为8,阈值采用Birge-Massart策略,使用软阈值方法处理后的信号去噪效果最佳。应用势平衡理论分析去噪后的密闭爆发器实验压力曲线,确定与发射实验压力曲线的势平衡点相对应的等效势平衡点,分析不同输入电能条件下密闭爆发器实验等效势平衡点处ψ_(e)值的变化,从而研究发射药燃烧特性。结果表明:在密闭爆发器实验中,等离子体作用下等效势平衡点处压力升高,达到等效势平衡点时间缩短,相应的ψ_(e)值减小。

摘要： 根据雷州半岛地区6个国家气象观测站1970-2019年的月降水量观测资料,采用气候倾向率、经验正交函数(EOF)分解、Morlet小波分析以及Mann-Kendall突变检验等方法,分析了雷州半岛近50年来降水的时空变化特征。结果表明:雷州半岛的年降水量北部偏多,中南部和东北部偏少;呈现2种空间分布类型,全市偏丰(枯)一致型和北丰(枯)南枯(丰)型,其中全市偏丰(枯)一致型是雷州半岛降水最主要的分布类型;全区年降水量在1 116.1~2 394.8 mm之间,减少趋势不显著;区域降水减少的突变发生在1975、1977和2018年,降水增多的突变发生在1980年,存在时间尺度8年的周期变化。

摘要： 随着我国海岸带经济的快速发展与人类活动的加剧,地下水超采现象十分严峻,由此引发的海水入侵已成为滨海地区普遍存在的地质问题。本研究以莱州湾南岸海水入侵区为研究对象,根据地下水连续监测数据分析了地下水位和电导率的动态变化特征。在此基础上,基于降雨、蒸发、潮汐及农业排灌用电量等影响地下水动态变化的因素,建立了小波分析(WA)与具有外部输入的非线性自回归神经网络(NARX)的混合模型,对地下水水位和电导率进行动态预测,并采用均方根误差和拟合度对预测结果进行评价。研究结果表明,莱州湾南岸地下水年内动态变化特征为降雨入渗-开采型,地下水位和潮汐之间在0.5 d频率上呈现较高相关性,潮汐对地下水电导率的影响要弱于对地下水位的影响;WA-NARX混合模型在训练和测试阶段的均方根误差均小于0.03且拟合度大于0.98,可有效预测研究区海水入侵的变化程度。同时,为验证模型适用性,对比了不同影响因素作为模型输入参数对预测结果的影响。结果表明,降雨和潮汐参数是影响海岸带地下水位和电导率的主要变量,蒸发以及农业排灌用电量反映的部分抽水信息对地下水位和电导率也有影响,其影响程度与观测频率相关。本文研究结果可为海岸带海水入侵的实时监测、预测、预警提供理论与技术支撑。

摘要： 城市内涝等灾害会给人民生命财产和社会经济造成巨大损失,而其主要驱动因子为降水,因此科学、全面认识降水量的分布规律及发展趋势对城市防洪减灾至关重要。本文采用广东26个站点1960—2020的月降水数据,基于空间插值、Mann-Kendall检验、滑动t检验和小波分析等方法,对广东汛期降水的空间变异性、趋势性、突变点与周期性进行分析。研究表明广东按站点月降水量的峰值特征可分为四个降水类型区,各月之间、沿海与内陆降水量年际变化不同步,并阐明了前、后汛期降水高值中心与低值区的空间转移过程。按沿海/内陆-前/后汛期分组分析,对各组降水年际变化判定了趋势和显著性突变点,并识别了各个最强周期尺度下的主周期。

摘要： 针对目前声纹识别中常用的模式识别算法(LPCC、MFCC等)的不足,为了提高声纹识别系统性能,本研究提出将小波分析和BP神经网络—小生境遗传优化算法(BP-GA)用于声纹识别中.该算法首先采用小波分析对语音信号提取信号时域频域特征变量,然后通过小生境遗传算法克服传统多层人工神经网络在训练时存在易陷入局部极小值的问题,最后采用小波特征变量做为优化后的神经网络的训练数据得到最终声纹识别算法.实验结果表明采用小波分析和BP神经网络—小生境遗传算法的声纹识别性能相对传统识别算法具有识别速度快、识别率高、错误率低、能够自动纠错,对于不同的发音人具有鲁棒性等优点.

摘要： 精准、高效地辨识故障行波波头是故障测距的主要难点之一,而故障点反射波波头的有效识别则是单端故障行波自动测距的关键依据于合理短窗截取的故障电流行波波前具有陡斜直线的特征,采用Hough变换直线检测的方法,通过前几个行波波头的时间间隔和不同分辨率下初始浪涌突变斜率相关性来校验故障点反射波辨识的有效性,来对故障行波初始波头和故障点反射波进行初定位,再采用小波分析法,对故障行波波头进行精确定位,提出了一种新的故障行波波头识别方法实验结果表明,该方法能更准确的标定故障行波波头时刻,有效地提高单端行波故障定位的准确性.

摘要： 通过对悬臂梁的剪切应力信号进行Db4小波变换,由小波系数的局部极大值分别识别了悬臂梁在相对位置xc=0.2和xc=0.4处的裂纹,两者相互对比,验证了结果的正确性.并研究了在xc=0.2处损伤程度与小波系数之间的关系,得出随损伤程度的增加小波系数增大的结论.结果表明,利用Db4小波对含裂纹梁的应力信号进行小波分析,可以准确识别出裂纹位置,该方法原理简单,精度高,易于操作,可以推广应用于一维结构的在线健康监测.

摘要： 随机漂移是影响MEMS陀螺仪精度的重要误差源,针对MEMS陀螺仪随机漂移误差的非线性、不确定性等特点,提出采用小波阈值去噪和小波域中值滤波两种方法对陀螺输出信号进行消噪处理,并对去噪前后的信号进行比较与分析,结果表明:两种去噪方法都能较大提高MEMS陀螺仪输出精度,利用小波域中值滤波后的信号较之小波阈值去噪后的信号更加平滑,改善了信号的零偏稳定性,但零偏和角度漂移略有上升.因此,开展小波阈值去噪和小波域中值滤波方法的研究,对提高微型惯性导航系统精度具有重要理论指导意义.

摘要： 以淮北市冬季大气中六种污染物(O3、NO2、SO2CO、PM10、PM2.5)为研究对象,采用HYSPLIT、相关分析、小波分析、单因子污染指数评价和聚类分析等方法综合分析了2015年11月03日至2016年01月20日淮北市3个监测站点(市环境监测站、烈山区政府、淮北职业技术学院)大气污染物浓度水平及变化规律,结果表明,①大气污染物总体呈现:PM2.5>PM10>NO2>CO.结合单因子污染指数分析,大气中颗粒污染物最为严重,O3污染最轻.观测期间,大气污染物PM2.5、PM10和NO2的超标率分别为44％、25％和16％.②相关性分析表明,NO2、SO2、CO、PM10、PM2.5之间存在显著正相关,而O3与NO2、CO、PM10、PM2.5存在显著性负相关.聚类分析发现,大气中各污染物间综合分为两类:其中,PM10、PM2.5、CO、NO2和SO2为一类;O3单独为一类.③小波时序分析表明,PM2.5、PM10、CO和NO2浓度变化趋势基本相同,总体呈现逐渐增大趋势,SO2呈现先增加再减少,而O3变化趋势不明显.小波系数实部图和小波方差图表明,变化周期主要以5d左右为主.

摘要： 湿地生态系统是甲烷(CH4)排放最大的自然源,不同方法估算的湿地CH4排放量之间存在巨大差异.对生态系统尺度CH4排放动态及其控制因子的认识不足,是导致估算不确定性的主要原因之一.涡度相关(Eddy Covariance)法能对特定生态系统地气间的CH4交换通量进行快速测量,通过这些连续的通量观测数据不仅能更准确地揭示CH4排放的动态变化,更能结合时间序列分析(Time series analysis)的方法,研究CH4排放的时间异质性及其在不同时间尺度上的主控因子.

摘要： 青海玉树7.1级地震是继2008年5月12日汶川8.0级地震后我国大陆再次发生的7级地震.这次地震仍未做出短临预测,因此,有必要对玉树地震前兆异常进行梳理总结.本文采用小波方法,研究距玉树7.1级地震500km范围内的地下流体资料,分析了这些异常的空间展布、时间演化以及形态等总体变化特征.

摘要： 利用小波变换的基本原理和方法,对Q235B碳素结构钢的均匀点腐蚀染噪声发射信号进行分析.通过计算小波分解后各级频带能量占整个信号能量的百分比,确定出主能量频带后,去除非主能量频带的噪声信号,提取金属腐蚀声发射信号的典型特征,为进一步利用声发射技术探测金属的腐蚀过程,奠定良好的基础.

摘要： 先应用小波多尺度分解与重构技术和小波包分析技术,采用离散小波变换的默认域值消噪法,奇异性检测、频率区间提取抑制对实测多通道焊缝涡检测信号进行处理,然后用改进型数据融合技术对重构后的三通道数据进行融合处理,发现缺陷时域定位准确,为焊缝涡检测信号处理提供新方法.

摘要： 城市要素时空特征发掘是完成地块空间规划的基础前提.本研究以芝加哥交通系统为例尝试建立一种时空异质性与同质性特征发掘的方法,实现对地铁、公交、出租车、共享单车四种交通方式的时空特征分析.时间特征上,选择小波分析(Wavelet analysis)以及时间序列可视化观察,完成不同要素的时间变化周期提取,并对其时间特征进行对比分析.空间特征上,通过起止点分析(OD分析)等方式以及网格(500m×500m)精度下交通系统强度的空间分布,绘制以网格地理单元为对象的要素空间分布谱系图与距离谱系图,通过对比揭示各类交通方式的强度分布特征,进而通过K-means聚类完成非监督分类,对区域类各个空间单元的各交通表现特征进行聚类.结果表明:全年尺度下以天为粒度的时间同质性的强度从高到低依次是地铁、公交、出租车、共享单车,四种交通方式中空间覆盖范围由大到小依次是公交、地铁、出租车、共享单车,聚类结果将空间可划分为多种交通方式活动强度均较高的空间单元、多种交通方式均较弱的空间单元、仅公交有一定程度覆盖的空间单元、公交与地铁等时间同质性强的交通方式覆盖的空间单元、公交覆盖强度较强的空间单元、出租车与共享单车等时间异质性强(周期性较弱)的空间单元7个聚类簇.

摘要： 本发明涉及液压调速阀检测系统及信号处理方法，尤其涉及一种基于小波分析的液压调速阀检测分析方法。涉及的一种基于小波分析的液压调速阀检测分析方法基于液压调速阀检测油路；检测系统为将被测调速阀安置在液压回路中，通过信号采集模块采集液压回路中的两端的流量、压力数据，将采集模拟量信号转换成数字量，上传到上位机上，通过MATLAB软件中的小波分析法，分析采集的数据，将采集的数据曲线与数据库中存入的出厂数据进行对比，打印报表，进而判断电磁阀的故障位置及故障时间。本发明精准判断被测阀故障的位置，为阀体更换和修复提供依据。

摘要： 本发明涉及基于小波分析的金融投资数据突变分析方法及其系统，该方法包括获取海量金融投资数据；对数据进行预处理；对预处理后的数据进行基线校正，获取基线统一的曲线图；利用小波变化对基线统一的曲线图进行转换；对转换后的曲线图进行峰识别；获取峰对应的时间段及金融相关资讯，结合金融相关资讯对识别出的峰进行检测，获取金融投资预测结果。本发明通过对金融投资数据进行预处理和基线校正，利用小波变化对基线统一的曲线图进行转换，由金融相关资讯获取数据突变原因，再结合BP神经网络获取预测结果，实现有效分离和分析金融投资数据突变的缘由，及时为投资者提供具体有效地应对投资突变的对策，减少广大投资者的利益损失和稳定投资市场。

摘要： 本发明提供一种基于小波分析的对冲交易分析方法、设备及存储介质，所述方法包括：获取一组或者多组组合标的的历史行情数据；采用小波分析将所述行情数据进行预处理，基于所述预处理数据生成α趋势图和/或β震荡图；基于所述α趋势图和/或β震荡图进行交易。基于小波分析理论，将信号分解到不同的频率通道上，由于分解后的信号在频率成分上比原始信号单一，并且小波分解后对信号作平滑处理，然后重构分解信号，这样非平稳时间序列经过处理后，成为近似意义上的平稳时间序列来处理。基于平滑后重构的数据生成α趋势图和/或β震荡图，利用α趋势图和β震荡图对行情进行预测交易，使得行情预测更准确。

摘要： 本发明提供一种激光分析仪小波分析数据处理方法，所述方法包括：步骤S1，采集激光分析仪的光谱信号；步骤S2，利用小波分解法对所述光谱信号分解得到有用信号与噪声信号；步骤S3，采用重构函数重组所述有用信号与噪声信号得到原始的光谱信号；步骤S4，对所述重组的光谱信号进行光谱分析，得到最佳的光谱信号。通过小波变换分解光谱信号，再将分解后的有用信号与噪声信号重组得到原始的光谱信号，剔除了原有光谱信号的噪声，有效克服了由于信噪比低时，无法精确得到光谱数据中的有用信号的问题。

摘要： 本发明公开一种中长期水文预报模型的小波分析和秩次集对分析建立方法，将小波分析方法和秩次集对分析方法两者结合，其中，小波分析方法主要用于对实测水文时间序列进行消噪处理，得到消噪序列；秩次集对分析方法主要用于构建秩次集对预报模型，对序列的后续值进行预报，本发明在小波消噪基础上建立的WD-RSPA模型，即中长期水文预报模型，构建概念清晰，计算简单，模型预报精度高，且合格率也有提高，是一种值得推广应用的模型预报方法。

摘要： 本发明公开了一种基于小波分析和ARIMA‑LSTM的汽车销量预测方法，包括如下步骤：对已知的汽车销售量的时序数据进行数据预处理；对所述时序数据进行多次小波分解；对分解得到的各分量的序列进行平稳性检验，不平稳则进行差分处理，直到数据序列变成平稳数据序列；对经过平稳处理后的各分量的序列分别进行ARIMA训练并预测；将ARIMA训练过的数据进行小波重构；计算拟合值与真实值的残差；使用残差来训练LSTM网络；利用LSTM网络预测的残差对ARIMA模型的预测结果进行修正，实现最终预测。本发明结合时间序列分析和深度学习网络建立了新型预测模型，能够利用中小规模的历史汽车销售数据集实现对销售数据的准确预测，从而为汽车厂商提供数据支持。

摘要： 本发明公开了一种在线小波分析边缘计算传感器及其应用方法，传感器包括上盖、主控板、转接座、电池、底座，本发明通过设置于主控板上的加速度传感器搜集若干结构的振动信息，采用边缘计算思想，利用在主控板上的MCU中编写的小波包分解算法实时处理加速度时程信号，实现监测点结构数据信号的在线分析，同时通过实现结构信号时间和频域中瞬态现象的识别和表征，并进一步与结构故障特征关联，以便及时为评估结构的故障程度提供重要依据。

摘要： 一种小波分析耦合LSTM神经网络的水质预测方法，包括：获取待预测水体的水质参数的监测数据，对监测数据进行小波分解以得到监测数据的近似分量和细节分量；将监测数据的近似分量和细节分量作为输入变量，输入预先训练好的LSTM神经网络中以得到水质参数的预测结果。由于对水质参数的监测数据进行小波分解，把时间序列分解为一系列低频和高频分量，产生了新的特征，这些特征能够表达水质参数的监测数据时频上的信息，从而能更好地处理数据的非平稳部分，从富含噪声的数据中提取信息，提高了预测的准确性。同时LSTM神经网络作为一种特殊的循环神经网络，可以有效地记忆过去输入的信息，因此对于时间序列数据有很好的效果。

摘要： 本发明公开了一种基于小波分析的传感器故障信号特征提取方法，首先获取传感器故障信号数据，并进行无量纲预处理；采用Daubechies小波对无量纲的传感器故障信号进行N层小波分解，保存小波分解系数；对小波分解系数分别进行模极大值特征提取处理和高频相对小波能量特征提取处理，得到模极大值特征向量和高频相对小波能量特征向量，最终组成传感器故障信号特征矩阵；本发明提供的传感器故障信号特征提取方法采用多尺度一维小波分解只对小波时间和尺度平面上的一些离散点进行小波变换，减少了信息冗余，提高了特征提取的速度，能够同时获取故障数据的时域和频域特性，增强了特征的稳定性；提高了特征参数的有效性以及后续故障识别的可靠性。

摘要： 本发明涉及电阻点焊超声检测技术领域，具体为一种基于小波分析的电阻点焊塑性环成像方法及其应用，采用小波分析方法获取电阻点焊塑性环区域：首先，对电阻点焊进行分层超声成像，获得A扫描信号和C扫描图像；然后对A扫描信号进行小波分解，分解成近似系数和细节系数；再根据半软阈值函数修正近似系数，获得修正后的近似系数；接下来利用细节系数和修正后的近似系数进行A扫描信号重构；最后依据A扫描信号进行点焊C扫描成像。本发明可快速、准确获取点焊塑性环区域，并通过成像方式直观展示，易于观察点焊熔核、塑性环的测量结果。本发明实现了塑性环快速成像，提高超声波检测点焊熔核尺寸的测量精度。