基于改进模糊聚类法和CPSO.-ISSVM的母线负荷预测

针对大型冶金企业专用母线负荷种类多、分布不均、规律性弱等特点,利用自组织特征映射神经网络(self-organizing feature map, SOM)对模糊聚类法进行改进,以选择待预测日的相似日,通过db4小波对相似日负荷数据进行分解、去噪和重构处理后作为后期预测模型的训练样本;采用混沌粒子群算法(chaos particle swarm optimization,CPSO)对最小二乘支持向量机(least square support vector machine, LSSVM)算法的惩罚参数和核函数覆盖宽度进行优化,构造了基于CPSO和LSSVM的母线负荷预测模型。仿真结果表明:该负荷预测模型,将预测结果的相对误差降低到1.998%,预测精度达到了97%,提高了专用母线负荷预测准确性。     

长江口南槽中段枯季水沙输运特征研究

根据2015年1月7日至14日在长江口南槽中段主槽内获得的流速和悬沙观测资料,运用机制分解法分析了从大潮到小潮连续变化过程中南槽中段的水沙输运机制,通过小波分析方法探讨了悬沙浓度和流速的周期性对悬沙输运的影响。研究结果表明:(1)在一个大小潮周期过程中各潮周期的单宽净输水以向海为主,斯托克斯余流和欧拉余流的强度由大潮到小潮呈减小趋势;(2)各潮周期的单宽净输沙以向陆为主,与净输水方向相反,输沙强度从大潮至小潮呈现"小-大-小"的变化特征,该特征的产生与潮泵效应输沙的剧烈潮周期变化有关,平流输沙、潮泵效应输沙与垂向净环流输沙项是影响潮周期净输沙的主要成分;(3)小波分析表明,悬沙浓度和流速具有多个时间周期的变化,它们与水位的联合作用导致瞬时输沙率具有2个明显的时间周期变化。     

三江源地区气候突变及未来演变趋势分析

利用墨西哥帽小波分析方法,检验了三江源地区近50年的气候突变情况,并根据FVGCM全球模式嵌套20km分辨率Regcm区域气候模式,对21世纪后期三江源地区气候的平均状态进行了预评估.结果表明,温度、降水量在不同时频内均有多次突变发生,温度突变发生次数有逐步递增的趋势,20世纪60年代只有三次,而90年代为9次,并且高频区突变多于中、低频区,在20世纪90年代初和21世纪初均有明显的突变.预计21世纪年平均气温、年降水量均呈增加趋势.     

超声脉冲压缩法检测混凝土损伤的研究

为提高混凝土超声检测的信号噪声比,提高测量精度,研究脉冲压缩调频超声发射的方法。该方法发射具有包络的线性调频超声脉冲,在不提高发射声压的情况下增加了发射能量,可提高超声检测的有效作用距离和测量精度,提高信噪比。笔者给出脉冲压缩和解压的基本原理,设计了脉冲解压缩电路;经实验检测结果表明,脉冲压缩超声检测能在没有降低测量距离的情况下,明显提高检测的精度,检测到常规检测中不能发现的缺陷。     

基于HHT的混凝土损伤AE信号分析新方法

介绍了HHT这一非线性、非平稳信号的处理方法。针对混凝土材料损伤所产生的声发射信号复杂的特点,提出了基于HHT的分析混凝土材料中产生的声发射信号的新方法,借此分析了从预应力混凝土梁在三点弯曲载荷下的破坏实验中拾取的实际AE信号,获得了该损伤信号的Hilbert谱。通过与小波分析结果的比较,显示出该方法具有处理精度高、自适应性强的特点,能有效地提取声发射信号中损伤成分的主要特征,为AE信号处理提供了一种新的途径。     

基于Hilbert-Huang变换理论的结构损伤检测

详细介绍了一种适合分析非线性非平稳数据的新方法——Hilbert-Huang变换,并将此方法应用于结构损伤检测。仿真实验是某三层剪切型建筑结构受两种不同地震烈度的地震动激励,结构在此过程中出现的损伤由层间刚度衰减的方法近似模拟,用巴特沃斯低通滤波器对得到的每层加速度数据进行滤波,然后对滤波后的数据进行Hilbert-Huang变换分析,得到其Hilbert谱,并对Hilbert谱进行了分析。结果表明,此方法能有效地提取结构的损伤特征,从而对结构的健康状况做出诊断。     

基于时频变换和卷积神经网络的结构损伤识别∗

为了解决将单传感器时域数据直接作为卷积神经网络（CNN）的输入所引起的损伤识别精度不高的问题，提出基于小波包变换（DWPT）和快速傅里叶变换（FFT）的卷积神经网络识别方法。以短钢梁桥现场试验测得的数据集为例，将单传感器数据样本分别进行 DWPT 和 FFT 变换，使用变换后的特征训练 1D‐CNN 网络，训练好的网络测试精度有明显的提升，其识别精度均高于多个传感器数据直接作为输入的识别精度。同时分析了对噪声样本和异源（结构上未曾参与网络训练的传感器）数据的识别情况，结果表明对含噪声样本先进行时频变换再训练网络能显著提升对噪声样本的识别精度，而且能改善训练好的网络难以对异源传感器数据进行识别的问题，最后通过卡塔尔大学看台现场试验数据进一步论证上述结论。     

基于DWT与SVM的风门开闭阶段识别方法

为解决因风门开闭导致的风速传感器数据异常波动与误报警问题，提出一种基于离散小波变换(DWT)与支持向量机(SVM)的风门开闭阶段识别方法。使用多尺度滑动窗口将传感器风速监测数据离散化为若干段不同尺度的子时间序列数据，利用统计方法与DWT,提取各尺度子时间序列数据中的统计特征与隐含的波动特征，建立SVM风门开闭阶段识别分类模型。为进一步优化识别结果，基于重叠度(IoU)规则合并、修正、组合、取优分类识别结果，再根据相似准则建立长度方向取变率为2、整体相似比为1∶16的相似试验模型，开展风门开闭扰动试验，验证方法的可行性。结果表明：在测试集上的识别准确率较高，对于风门开闭时间的识别准确率可达到90.08%,风门开闭阶段的划分准确率可达到71.05%,优化滑动窗口尺度数量，可继续增加方法识别的准确率。     

基于小波去噪-卡尔曼滤波的供水管网爆管检测

在应用卡尔曼滤波进行爆管检测时，若受到监测误差、用水量随机波动等因素形成的背景噪音影响会导致误报率偏高，进而带来爆管检测系统鲁棒性较低的问题。鉴于此，对原始卡尔曼滤波进行了改进，首先采用小波函数对监测数据进行处理，其可以成功将周期循环信号中的有效信号及噪声信号分解至不同频域，然后使用硬阈值函数去噪后再对信号进行重构；最后利用卡尔曼滤波对重构后的信号进行爆管检测。研究结果表明：通过小波去噪，重构的信号中噪声信号占比显著降低，且信号与有效信号相似性更大；利用实际管网数据验证发现，所提算法可成功应用于实际管网爆管检测且与卡尔曼滤波相比，信号持续稳定，无剧烈波动且误报次数由6次降至0次，极大提高了爆管检测系统鲁棒性。     

1950～2019年中国季节平均最高气温时空演变特征及其大气环流影响定量化分析

全球变暖和人类活动加剧引起区域气候不稳定，高温事件发生频次和持续性增强，生态环境保护和经济社会发展面临严峻威胁.采用Mann-Kendall检验法和一元线性回归法探讨1950～2019年中国季节平均最高气温(AMT)时空演变特征，并结合线性相关、偏线性相关以及小波分析揭示中国各季节AMT与大气环流间的联系.结果表明：(1)时间尺度上，各季节AMT均呈显著上升趋势，春、夏、秋和冬季AMT上升幅度分别为1.21、0.08、1.81和0.25℃,其突变时间主要集中于20世纪90年代至21世纪初.(2)空间分布上，除夏季以外，其它季节AMT平均变化率由南向北逐渐增加，但其增加程度各不相同，其中春冬季节东北和西北地区变化速率最快.(3)各季节AMT与大气环流因子间存在复杂关系，其能量强度在不同时频域上具有显著差异.其中太平洋年代际涛动与夏季AMT呈显著负相关，北大西洋涛动对夏秋冬季AMT变化产生较大程度正向驱动，北极振荡对各季节AMT均具有明显正向驱动作用，厄尔尼诺-南方涛动因年份不同对春夏季AMT的短期变化存在显著正向或负向影响.研究结果可为我国制定科学有效的气候变化应对方案提供理论依据和技术...