水文时间序列周期识别的新思路与两种新方法

在目前的水文时间序列周期的识别中,存在较大的困难,为了能够有效的简化水文时间序列周期识别的难度,本文就展开了对水文时间序列周期识别新思路的分析,并在对水文时间序列周期识别新思路的产生充分了解的基础上,得出两种新的水文时间序列周期识别方法,这两种方法的应用,有效的识别出了水文时间的序列周期,由此可以看出,这两种新的识别方法具有广泛的应用价值。希望本文的探究能够为相关的人员提供一定的参考和借鉴。     

基于小波分析和神经网络的金融时间序列预测

以金融时间序列(1990年~2014年上证指数)为研究对象,金融时间序列数据本身带有较大的波动性,有高频和低频的数据情况贯穿于整个时间序列。小波分析对于数据降噪较于传统的降噪方式有着明显的优势,分析对比小波变换在处理两种不同波频情况下的优势和方法。采用其适合小波分析和神经网络相结合的组合模型对其进行分析和预测,其思想是,先将时间序列进行小波分解,得到各级小波变换序列和尺度变换序列。根据不同级小波变换系数的情况,选择合适的神经网络训练函数建立预测模型,得到各级小波变换序列和最后一层尺度序列,运用小波重建技术得出原时间序列的预测值。最后和常规的BP神经网络比较预测效果。     

开都河日径流时间序列混沌分析与模拟

本文利用相空间重构技术和混沌理论讨论了开都河日径流的混沌性质。通过日径流时间序列的功率谱分析,从定性角度讨论了日径流时间序列的混沌特征。进一步根据互信息量法得到相空间重构的延时,再根据Cao方法得到相空间重构的嵌入维数。利用Matlab软件计算得到相空间重构的延时和最佳嵌入维数分别为τ=6,m=14。这样将一维的开都河日径流时间序列重构成14维的相空间。通过最小数据量法计算出开都河日径流时间序列最大Lyapunov指数。利用最大Lyapunov指数对开都河日径流时间序列进行定量混沌分析。最后通过二阶Volterra自适应一步模型进行模拟。结果表明：开都河日径流时间序列的功率谱是连续的,功率谱呈现随频率增高而以指数方式递减趋势,区别于具有离散尖峰谱特征的周期时间序列和具有连续的、频率和振幅不相关谱特征的随机时间序列。这从定性角度表明开都河日径流时间序列具有混沌特征。通过计算得到开都河日径流时间序列的最大Lyapunov指数0〈λmax=0.0097〈1,从定量角度表明开都河日径流时间序列具有较弱的混沌特征。利用二阶Volterra自适应一步模型模拟得到相关系数和相对均方根误差分别0.9376和0.2390。这说明利用Volterra自适应模型模拟效果较好。     

基于小波分析的非平稳时间序列分解

本文提出了基于小波变换的非平稳时间序列分解方法。通过小波分解,将原时间序列依尺度分解成不同层次,利用尺度系数作为季节性乘积分量,将小波系数序列处理为方差平稳的平稳序列,并应用于样本数据异常点的识别和修正,使模型的预测精度得到提升。实例验证该方法是有效的。     

基于小波变换的语音增强算法

结合小波技术对传统的维纳滤波算法进行改进,对语音信号进行离散小波变换,求得小波系数,计算小波系数的阈值,然后利用阈值对小波系数进行过滤,再对小波重构信号,信号经过维纳滤波器模型达到去噪效果。最后对算法进行了仿真试验。     

黑河流域莺落峡站水文过程变异点的识别与分析

水文过程变异点的识别与分析是近十几年来比较热点的问题之一,为准确识别黑河流域水文过程变异点,本文采用黑河流域莺落峡水文站1947年-2006年年径流序列资料,运用差积曲线-秩检验联合法来识别黑河流域水文过程变异点,并结合Brown-Forsythe法、有序聚类法、滑动F检验法来验证变异点的准确性,应用SPSS统计软件分析水文变异点前后数据变化特征。结果表明：黑河流域莺落峡水文站水文过程变异点为1959年和1979年,水文序列变化分为三个阶段,各阶段均值分别相差1.25亿m3、1.89亿m3。标准差值、变差系数值和偏差系数值变化显著,河流水文序列的趋势性和突变性特征反映了自然条件和人类活动对河流天然状态的水文序列产生了显著的影响。     

基于小波分析的我国居民生活能源消费预测

生活能源消费关系到人们日常生活的基本问题,做好未来生活能源消费的预测具有重要意义。本文以1983—2012年我国生活能源消费量数据为基础,提出小波建模预测方法。通过小波分析中的Mallat算法将原始序列分解为逼近与细节部分,分别对逼近与细节部分建模预测,将预测值通过小波重构得到原始序列的预测值。对预测结果的评价表明预测效果很好。     

水文序列变异的差积曲线－秩检验联合识别法在闽江流域的应用

针对水文序列变异点初步识别时常用的统计方法假设较多、公式复杂及运算繁琐等方面的不足,本文提出通过差积曲线进行变异点的初步识别,并应用秩检验法进行精确识别的差积曲线-秩检验联合识别法,以闽江流域竹岐站1936年～2004年近70年径流序列为例应用该方法进行变异点的识别,研究结果表明:闽江竹岐站年径流序列的变异点在1954年,变异前后的均值分别为1967m3/s、1653m3/s,Gv值分别是0.16和0.24.变化非常明显.在此基础上,从气候变化等自然条件和人类活动两方面分析变异点的物理成因,显示区域降雨、气温等气候变化和森林植被的破坏等人类活动导致了该径流序列在1954年发生变异.该识别方法只需少许假设,方法相对简单、方便且比较直观.     

一种新的双端通话检测方法研究

为了提升VOIP的通话质量,提高回声抵消系统中双端通话检测的准确性,本文提出一种新的双门限双端通话检测算法。新算法首先利用小波阈值去噪算法对接收的各信号进行去噪处理;然后对去噪处理后的小波子带信号进行动态能量阈值比较,识别出静音帧、活跃帧和发声帧;再对活跃帧与静音帧进行基音周期比较,以判断活跃帧是处在近端发声阶段,还是回声路径的变化。仿真实验证明,新的双门限检测算法表现良好。     

室内暴力智能监控系统设计

介绍了一种基于视频的室内暴力监控系统。主要通过图像敏感色检测、图像帧序列的运动检测两个方面进行暴力事件监控识别,再利用计算机对监控信息进行分析处理,把计算机分析的结果传送到监控者手中。     

田间叶螨图像二维LWT小波提升分离及识别

为了对田间叶螨进行有效采集识别,对传统的基于图像的田间叶螨采集识别方法进行改进,提出一种采用二维LWT小波提升方案的叶螨图像准确分离和识别方法。设计一种基于物联网技术的叶螨图像采集系统,对叶螨病斑区域的超红特征进行灰度化提取,采用二维LWT小波系数对提取的灰度化图像进行提升分离,实现了类病斑区域与非类病斑区域的二值化分离,最后采用小波函数面积阈值重构方案对叶螨进行图像重构,提供给物联网的决策层实现对病虫害的分析决策,实现对叶螨病斑的准确识别。仿真实验表明,采用该算法进行田间叶螨图像识别,图像重构效果较好,对害螨的正确识别率达到96.7%,能有效应用到对田间螨害的实时监测和防治工作中。     

基于线性内插的扩展卡尔曼滤波法的NDVI时间序列重构研究

由于归一化植被指数(NDVI)时间序列数据含有大量的噪声,对其应用带来诸多不便。为了提高NDVI数据质量,本文采用线性内插的扩展卡尔曼滤波(EKF)法对广州市森林地区的NDVI时间序列数据进行了重构,并与EKF和中值滤波方法进行比较。利用部分样点的实测数据与重构后的NDVI值进行比较,得到基于线性内插的EKF、EKF和中值滤波三种方法的相对误差分别在-1.91%~0.93%,-3.86%~5.85%和-0.28%~16.30%之间。结果表明:基于线性内插的EKF算法的时间序列重构方法重构后的NDVI时间序列能够更好的逼近高质量的数据,拟合原始曲线的波峰,在提升曲线的整体效果的同时,降低原始数据的均值偏差和数据的离散程度,对低值噪声的抑制能力更好。通过该重构方法重构后的较高质量的NDVI时间序列数据为森林监测、生态保护以及建设提供了良好的基础。     

基于支持向量机的空气质量预测

用支持向量机对城市空气质量的AQI指数、PM2.5、PM10分别进行预测,首先利用小波将已知的各AQI指数、PM2.5、PM10数据序列分解为低频子序列和高频子序列并重构,然后利用重构后的各子序列和对应气象数据使用支持向量机分别进行训练和预测,最后合成得到预测结果,实验结果表明该方法的预测效果较好。     

基于Matlab的小波变换在图像压缩中的应用

小波变换作用在图像上主要体现在两点：图像压缩和图像降噪。本文借用matlab这门科学和工程计算中常用的处理软件以及二维小波变换的分解和重构原理,实现了对原始图像的第一、二次压缩,并和单分辨率小波重构的效果图作了比较。     

多信息源图像的融合技术研究

多源图像融合是将不同来源的某一场景的两个（或多个）目标进行两次（或多次）成像,将这些图像的清晰部分组成一幅新的图像,以得到一个多目标都聚焦清晰的融合图像。提出将小波变换方法应用于多信息源图像的融合,并选取适当的小波基、分解层数和融合算子。针对小波变换及图像的特点,本文选取了7类共50种小波基、4种小波分解层数和6种融合算子,共1200种小波变换的融合方法进行了比较。通过比较融合图像的相似性,对图像融合效果的评价表明,实验获得的最佳图像与理想图像的相似度均达到99%。     

基于小波包和局部阈值的飞机姿态识别

本文结合小波包变换和局部阈值各自的优点,提出了一种基于小波包变换和局部阈值的飞机姿态识别方法。该方法首先利用小波包变换对飞机图像进行去噪,然后分别运用Canny算子和局部阈值法对去噪后的飞机图像进行边缘提取,验证了局部阈值方法的优越性,再根据Hough变换对飞机的姿态进行识别判断。     

人脸识别概述

生物特征识别是通过计算机采用自动技术对个体的生理特征或行为特征进行提取,再将这些特征与数据库中已有的个体模板数据进行比较,最终分析判断完成身份认证识别任务的一项识别技术,本文对几种人脸识别技术及识别方法进行分析。     

基于小波-回归支持向量机算法的风电场风速预测

将小波多分辨率分析特点和回归支持向量机算法良好的泛化性能相结合,建立小波-回归支持向量机风速预测模型。先将原始风速序列经小波分解成轮廓分量和细节分量,再对各分量分别应用支持向量机模型进行预测,最后将各分量的预测结果经小波重构得到原始风速序列的预测值。仿真表明该方法能够改善预测滞后现象以及减小突变点误差,从而提高模型的泛化性能和预测精度。     

基于时间序列的数据挖掘技术在城市内涝灾害中的应用研究

水利信息化的建设积累了大量历史水情数据,对这些数据进行挖掘,找到与给定时间段相似的水文过程,为城市防汛提供指导。针对水文数据维度高、周期性强、短期波动频繁等特点,采用分段聚合近似方法进行有效压缩,把握水文时间序列模式的变化特征,在此基础上采用最大特征点优先匹配的动态时间弯曲距离算法比较两个水文时间序列的相似性,并以杭州市水位监测站采集到的历史水位和降雨量信息为样本进行了验证,结果有效。     

基于计算智能的损伤检测研究

本文将计算智能(CI)现代信号处理方法有机地结合起来进行损伤检测,提供了一种机械传动系统故障诊断方法。采用离散小波分解和小波包变换,分别对去噪后的信号进行分解,对齿轮不同状态下的信号进行了研究。重构了小波变换后的各层信号,并计算了各层信号的能量,得到了信号的能量分布特征。分别利用小波分析与神经网络相结合和小波包变换与支持向量机相结合的计算智能算法对获得的齿轮特征信号进行了分析、识别和比较。研究表明,该方法可以很好的用于设备损伤检测领域。