期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于奇异谱分析法和长短时记忆网络组合模型的滑坡位移预测 被引量:14
1
作者 李丽敏 张明岳 +3 位作者 温宗周 郭伏 张俊 何洋 《信息与控制》 CSCD 北大核心 2021年第4期459-469,482,共12页
为提高滑坡位移的预测精度,提出了一种基于奇异谱分析法(singular spectrum analysis,SSA)和长短时记忆网络(long short-term memory neural network,LSTM)组合的动态预测模型.首先,利用SSA将滑坡位移时间序列分解为趋势项、周期项位移... 为提高滑坡位移的预测精度,提出了一种基于奇异谱分析法(singular spectrum analysis,SSA)和长短时记忆网络(long short-term memory neural network,LSTM)组合的动态预测模型.首先,利用SSA将滑坡位移时间序列分解为趋势项、周期项位移子序列同时剔除噪声,减少随机波动对实验结果的影响.然后利用高斯拟合方法对趋势项位移子序列进行拟合预测;LSTM神经网络模型对其周期项位移子序列进行预测.最后,通过叠加各位移子序列的预测值,得到累积滑坡位移的预测值,并且通过在训练集中加入预测值来更新LSTM网络,实现动态位移预测.结果表明,与经典反向传播(back propagation,BP)神经网络、支持向量机(support vector machine,SVM)和差分自回归移动平均(auto regressive integrated moving average,ARIMA)三种预测模型相比,LSTM模型更优.该模型在中国新滩滑坡中得到了验证,最终预测值也表明该组合模型有较高的精度. 展开更多
关键词 滑坡位移 奇异谱分析法 长短时记忆网络 动态预测
原文传递
f-x域经验模式分解与多道奇异谱分析相结合去除随机噪声 被引量:17
2
作者 刘婷婷 陈阳康 《石油物探》 EI CSCD 北大核心 2016年第1期67-75,共9页
近年来,经验模式分解法(EMD)因其处理非稳态地震信号的能力和易于实现而备受关注。总结了EMD在地震去噪中的应用情况,提出了一种基于f-x域EMD和多道奇异谱分析(MSSA)相结合的去噪新方法。该方法不同于f-x域EMD分别与f-x域预测滤波、小... 近年来,经验模式分解法(EMD)因其处理非稳态地震信号的能力和易于实现而备受关注。总结了EMD在地震去噪中的应用情况,提出了一种基于f-x域EMD和多道奇异谱分析(MSSA)相结合的去噪新方法。该方法不同于f-x域EMD分别与f-x域预测滤波、小波阈值、曲波变换等相结合的各种去噪方法,它可以得到比f-x域MSSA更高的信噪比并能预测f-x域EMD中损失掉的线性能量。该方法的实现过程为:首先,对地震剖面应用f-x域EMD,保留所有相对水平的同相轴,这样在噪声剖面中留下很少的倾斜信号和随机噪声,然后在差异剖面中应用f-x域MSSA恢复倾斜信号,最后将水平信号和倾斜信号相加得到去噪剖面。理论测试和实际数据的处理结果验证了该方法的优越性。 展开更多
关键词 去除随机噪声 经验模式分解 多道奇异谱分析法 F-X域 恢复倾斜同相轴
在线阅读 下载PDF
基于SSA-LSTM-GF的混凝土坝变形预测方法 被引量:10
3
作者 周兰庭 邓思源 +1 位作者 柳志坤 龚云柱 《河海大学学报(自然科学版)》 CAS CSCD 北大核心 2023年第2期73-80,149,共9页
针对混凝土坝变形分析预测的复杂性,应用相空间重构思想和融合建模理念,提出了一种基于SSA-LSTM-GF的混凝土坝变形分析预测方法。SSA-LSTM-GF方法利用奇异谱分析法(SSA)将变形实测数据序列分解为趋势分量、周期分量和剩余分量,并将剩余... 针对混凝土坝变形分析预测的复杂性,应用相空间重构思想和融合建模理念,提出了一种基于SSA-LSTM-GF的混凝土坝变形分析预测方法。SSA-LSTM-GF方法利用奇异谱分析法(SSA)将变形实测数据序列分解为趋势分量、周期分量和剩余分量,并将剩余分量视为噪声分量予以剔除;采用长短期记忆神经网络(LSTM)模型和高斯拟合(GF)算法分别进行周期分量和趋势分量的分析预测,并将二者结果进行叠加重构,得到最终预测结果。实例验证结果表明,SSA可以达到较好的数据分解和消噪效果,LSTM模型针对周期分量的预测性能优越,GF算法能够很好地实现趋势分量的拟合预测和部分信息的挖掘提取,LSTM模型和GF算法的成果重构效果良好,SSA-LSTM-GF方法具有一定的可行性和应用价值。 展开更多
关键词 混凝土坝 变形预测 序列分解 奇异谱分析法 LSTM模型 GF算
在线阅读 下载PDF
基于SSA-S_(n)法的GNSS坐标时间序列粗差探测 被引量:3
4
作者 徐华卿 鲁铁定 +2 位作者 贺小星 周世健 陶蕊 《大地测量与地球动力学》 CSCD 北大核心 2022年第3期258-263,285,共7页
针对GNSS高程坐标时间序列中含有粗差、高程坐标时间序列不平稳、非线性变化导致异常值探测困难等问题,提出一种奇异谱分析SSA与S_(n)估计量相结合的粗差探测方法。利用实验模拟数据和实测数据分别对该方法的探测效果同常规3σ法和MAD... 针对GNSS高程坐标时间序列中含有粗差、高程坐标时间序列不平稳、非线性变化导致异常值探测困难等问题,提出一种奇异谱分析SSA与S_(n)估计量相结合的粗差探测方法。利用实验模拟数据和实测数据分别对该方法的探测效果同常规3σ法和MAD法进行对比,结果表明,SSA-S_(n)粗差探测方法的总体探测效果更好,能够满足GNSS坐标时间序列高可靠性的需求。 展开更多
关键词 GNSS坐标时间序列 奇异谱分析法 粗差探测
在线阅读 下载PDF
基于深度学习框架SSA-BiLSTM网络的风速预测 被引量:4
5
作者 丁仁强 周武能 +1 位作者 程航洋 刘佳伦 《计算机与数字工程》 2020年第11期2578-2583,2594,共7页
在风电预测中,风速预测起着至关重要的作用,为了提高风速预测的精确性,论文提出了一种基于深度学习框架SSA-BiLSTM网络风速预测方法,采用直接式模式,利用历史风速数据进行风速预测。该方法在已有典型LSTM方法基础上进行改进,使用双向LST... 在风电预测中,风速预测起着至关重要的作用,为了提高风速预测的精确性,论文提出了一种基于深度学习框架SSA-BiLSTM网络风速预测方法,采用直接式模式,利用历史风速数据进行风速预测。该方法在已有典型LSTM方法基础上进行改进,使用双向LSTM网络,使得输出层不仅可以得到输入序列中每个数据点的过去信息,还可以获得输入序列中每个数据点的未来信息。同时,集成了奇异谱分析法对输入序列数据进行预处理,提取趋势信息和去除噪声。仿真及实验结果证明了论文所提方法的有效性,与支持向量机回归算法、K-最近邻算法及典型LSTM方法相比较,论文所提出的SSABiLSTM方法在风速预测上提高了预测的精确度。 展开更多
关键词 奇异谱分析法 循环神经网络 双向长短期记忆网络 风速预测
在线阅读 下载PDF
站点尺度的青藏高原时序NDVI重构方法比较与应用 被引量:9
6
作者 刘建文 周玉科 《地理科学进展》 CSSCI CSCD 北大核心 2018年第3期427-437,共11页
基于卫星遥感的植被指数时序数据广泛应用于植被覆盖监测、生物量反演等多个研究领域,但由于传感器本身、大气条件、环境特征等因素引起的噪声会影响数据的应用效果,因此开展植被指数时序数据重构研究具有实际意义。本文基于2000-2015年... 基于卫星遥感的植被指数时序数据广泛应用于植被覆盖监测、生物量反演等多个研究领域,但由于传感器本身、大气条件、环境特征等因素引起的噪声会影响数据的应用效果,因此开展植被指数时序数据重构研究具有实际意义。本文基于2000-2015年MODIS归一化差异植被指数(NDVI)数据,采用三次样条函数法、双逻辑斯蒂函数法和奇异谱分析法3种常用方法,对青藏高原106个气象站点所在的典型覆被NDVI时序数据进行重构,并以植被物候信息提取作为应用,比较分析了3种算法的保真性、细节拟合能力及物候特征提取效果。研究表明,D-L及Spline函数分别对受冰雪及云层影响较大(荒漠、灌木、林地)及较小的覆被类型(草原、农作物)表现出较好的细节拟合能力;SSA方法拟合能力较差,易出现NDVI重构曲线整体"下移"的现象,造成峰值拟合结果偏低,并且表现出NDVI绝对值越小拟合效果越差的现象。从保持原始数据真值的能力来看,受噪声点影响较大的覆被类型(林地、灌木、草原)Spline函数略优于D-L函数法;而林地类型中SSA方法表现优于D-L函数法。从物候信息提取结果来看,D-L函数法所提取的生长季稍有提前,Spline函数及SSA方法分别表现出生长季开始点及结束点滞后的现象,灌木、林地类型表现出明显的年际波动变化的特征,荒漠类型由于NDVI绝对值偏低,3种方法物候提取结果一致性表现出锯齿状不规则波动。此外,D-L方法生长季开始期(SOS)和生长季结束期(EOS)在各覆被区均小于其他方法,波动较大;SSA方法提取的EOS在大部分覆被地区大于其他方法;Spline提取结果的年际波动与SSA高度相似。该研究可为高原植被不同覆被类型下NDVI时序数据噪声去除的方法选择提供借鉴。 展开更多
关键词 时序数据重构 植被物候 双逻辑斯蒂函数 三次样条函数 奇异谱分析法
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部