基于集合经验模态分解北疆降水多尺度变化特征

降水是中国西北干旱区水资源的重要组成部分,利用合理方法有效认识降水的区域变化规律对指导农业发展尤为重要。基于北疆42个气象站1961—2012年降水序列数据,从气候时间序列中提取气候信号中各个尺度的变化,对北疆过去52a来的降水进行多尺度分析,并对其空间差异进行了初步探讨。结果表明:过去52a北疆降水量存在明显的年际和年代尺度的变化,年际尺度的周期为5a和8a,年代尺度的周期为10a和30a。变化趋势上,降水量1985s之前呈减少趋势,在1985s之后呈增加趋势,且后期的增幅大于前期的减幅。突变分析表明北疆年降水量呈增加趋势。集合经验模态分解(EEMD)是一种适用于非线性、非平稳序列的信号分析方法,将EEMD应用于气候要素时间序列,可提取可靠真实的气候变化信号,同时,EEMD可以得到气候变化的固有时间尺度。     

基于集合经验模态分解算法的土壤肥力胁迫甄别与监测

土壤肥力是农作物生长所需的关键要素之一,其水平直接影响农作物的长势甚至产量,然而作物生长过程中受多种胁迫因素的综合影响。避免土壤肥力监测结果受到其他胁迫因素的干扰是土壤肥力精准监测的关键问题之一。该研究旨在分析利用集合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）算法进行土壤肥力胁迫甄别和监测的可行性。以河北省廊坊市大厂县冬小麦耕地为研究区域,以EEMD算法为基础,将分解后的本征模函数（Intrinsic Mode Function,IMF）分量按照年际、年间和年内的尺度进行合成,结合不同的时间尺度及胁迫特征剔除土壤水分胁迫、病虫害胁迫及重金属胁迫等因素,实现对土壤肥力胁迫的有效甄别提取。结合主成分分析相关方法,将有机质、全氮、有效磷以及速效钾4项养分指标转换为3个主成分,初步得到土壤肥力综合评价简易模型,后与分解结果进行拟合,构建并实现了土壤肥力综合水平的定量评价模型。结果表明：1）在年际、年间以及年内3组波动组分中,年际波动组分可以较好地反映研究区内土壤肥力胁迫作用对农作物长势的影响;2）利用最小二乘法对土壤养分指标测定数据进行线性拟合,拟合结果与原始数据的决定系数达到了0.857,能够较好地反映出原始数据的变化水平;3）最终土壤肥力水平评价模型评价结果与实测结果间的平均误差为11.82%,表明模型预测结果与实际情况契合程度高,模型反演结果能够较好地反映研究区的土壤肥力水平。该研究结合EEMD算法与统计学分析实现了土壤肥力胁迫的有效甄别及土壤肥力定量评价模型的构建,为遥感技术在土壤肥力研究领域的应用提供了参考。     

基于经验模态分解的中国粮食单产波动特征及影响因素

探索中国粮食单产的多尺度波动特征及其影响因素,进而有针对性地采取措施来稳定和提高粮食单产对保障中国粮食安全有重要意义。该文对1978-2012年中国粮食及其主要构成作物稻谷、小麦和玉米的单位面积产量,利用经验模态分解方法进行了多尺度波动分解,并分析了改革开放以来中国粮食单产波动的多尺度特征及其主要影响因素。结果表明:1)应用经验模态分解方法可以将1978年以来中国的粮食和三大作物的单产分解为1个趋势项和2个波动项,分别反应了科技、政策和气候对于中国粮食单产波动的影响。其中技术趋势为主导,2个尺度的波动都较小。2)粮食趋势单产年增长率从1997年前的2.28%下降到之后的0.69%,明显放缓。稻谷的趋势单产与粮食走势最为接近,但1997年以后几乎走平。玉米和小麦的趋势单产增速1997年后虽有所下降,但目前上升依然明显。3)中期波动项包括了3个完整的周期和1个进行中的周期,且与中国粮食政策的重大调整及其所产生的后效在时段上具有很好的一致性。总体看粮食生产领域政策的影响大于气候的影响,但不同作物对各种政策的响应也有所不同,土地、税收、补贴、奖励和保险政策的普惠性和同步性较价格政策更强。小麦的中期波动率明显大于其他作物,显示其对政策更加敏感。4)粮食单产的短期波动率为1.80%,其中玉米为3.38%,高于小麦(2.55%)和稻谷(1.06%),显示中国的粮食生产系统有较强的抵御气象灾害的能力,但玉米防灾能力不及稻谷和小麦。5)综合长期趋势和中短期波动来看,3大作物中稻谷最为稳产。稻谷的主要问题是1998年以后单产的趋势产量上升乏力,玉米的主要问题是短期波动较大,受气象灾害的影响大,而小麦的政策波动大于玉米和稻谷。当前中国的农业已经进入了新的发展阶段,农业政策的调整势在必行,该研究结果可为新阶段农业宏观调控政策的制定提供决策依据。     

基于集合经验模态分解与Elman神经网络的线椒株高预测

为提高温室环境控制系统的有效性,针对作物生长量的变化与环境因子的变化存在时间尺度不统一的问题,该文基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)与Elman神经网络建模,提出一种线椒株高生长量预测方法。以8819线椒为试验对象,分别对线椒株高及其环境因子进行EEMD分解,对各尺度下的时间序列建立EEMD-Elman预测模型。结果表明:应用EEMD-Elman神经网络建立线椒株高生长量预测模型,模型预测值与实测值的平均绝对误差为1.69 cm,相关决定系数为0.996,标准误为1.104,模型预测结果与实测值呈极显著性相关。研究结果可以解决作物生长变化与环境变化时间尺度不统一的问题,为温室环境控制系统的控制目标的优化提供有效参数。     

基于集合经验模态分解和人工蜂群算法的工厂化养殖pH值预测

针对单一预测模型预测养殖pH值精度低等问题,提出集合经验模态分解(ensemble empirical mode decomposition,EEMD)和改进人工蜂群算法(improve artificial bee colony,IABC)相结合的南美白对虾工厂化养殖pH值组合预测模型。在建模过程中,利用EEMD算法对原始pH值时间序列进行多尺度分解,得到一组平稳、互不耦合的子序列;根据各子序列变化特征选择适宜的单项预测方法并建模,通过改进人工蜂群(IABC)算法优化复杂非线性组合预测模型目标函数权重系数,构建了工厂化养殖pH值非线性组合预测模型。利用该模型对广东省湛江市2014年9月8日-2014年9月15日期间工厂化养殖pH值进行预测,结果表明,该预测模型取得了较好的预测效果,与模拟退火优化BP神经网络(simulated Annealing-BP neural network,SA-BPNN)和遗传算法优化最小二乘支持向量回归机(genetic algorithm-least square support vector regression,GA-LSSVR)对比分析,模型评价指标平均绝对百分比误差MAPE、均方根误差、平均绝对误差MAE和相关系数R2分别为0.0035、0.0274、0.0224和0.9923,均表明该文提出的组合预测模型具有更高预测精度,能够满足实际南美白对虾工厂化养殖pH值精细化管理需要,也为其他领域pH值预测提供参考。     

基于农业灾情EEMD的河南省干旱时空演变特征

[目的]河南省是我国重要的粮食主产区,分析其干旱的时空演变特征对保障区域粮食安全有着重要意义。[方法]依托研究区1978—2019年农业干旱受灾率、成灾率以及逐日降水量等资料,运用集合经验模态分解(EEMD)探求了实际灾情与多种类型干旱指数的可能关系。在此基础上,分析了关键干旱致灾因子的时空演变特征及其对大尺度海洋—大气环流指数的响应。[结果]EEMD精准地从灾情逐年序列分离出由年际及年代际波动表征的气候干旱强度。多种干旱指数与气候干旱强度的相关分析表明夏季干旱对灾情影响最为显著,其中关键致灾因子识别为6月、7月、8月份的无雨日天数。关键致灾因子的空间分布表明河南省北部夏季干旱的危险性较高,其趋势分析指出干旱的危险性呈现出增强趋势。关键致灾因子与北大西洋涛动(NAO)等环流指数间存在着显著的时滞相关性。[结论]无雨日天数表征的夏季干旱对河南省灾情的贡献更高,而环流指数为提前预判旱情提供的重要信号。     

基于游程检测法重构集合经验模态的养殖水质溶解氧预测

为了提高水产养殖中溶解氧的预测精度,该文提出了基于集合经验模态(ensemble empirical mode decomposition,EEMD)分解、游程检测法重构、适宜的单项预测算法建模和BP神经网络非线性叠加的组合预测模型。该模型首先将溶解氧原始序列用EEMD分解法进行分解,得到了多个分量;其次,用游程检测法将这些分量重构成高频分量、中频分量和低频分量等3个分量;接着,针对高频分量波动性大且复杂、中频分量呈现周期性、低频分量几乎呈线性的特点,采用粒子群(particle swarm optimization,PSO)优化的最小二乘支持向量机(least square support vector machine,LSSVM)对高频项进行预测,采用极限学习机(extreme learning machine,ELM)对中频项预测,采用非线性回归(nonlinear regression method,NRM)对低频项预测;最后,将3个分量预测的结果用BP神经网络进行重构得到最终的预测结果。将该模型应用于江苏省溧阳市埭头黄家荡特种水产养殖场的溶解氧预测中,试验表明,该种以游程检测法重构EEMD为基础的混合预测模型的预测精度高于PSO-LSSVM和单一的ELM预测模型。在预测未来48 h的溶解氧值时,该模型的预测值与实测值的均方根误差RMSE为0.099 2、平均相对误差均值MAPE为0.078、平均绝对误差MAE为0.015 5,R~2为0.995 5。表明该模型有较好的预测精度和泛化能力,能够满足现代化水产养殖业对溶解氧精细化管理的高要求。     

基于EEMD我国粮食主产区农业旱情对气候变化的响应

量化旱情统计数据与气候因子间的响应关系对保障粮食安全有着重要意义。针对我国13个粮食主产省份1980—2019年的农业干旱受灾率,采用集合经验模态分解(EEMD)构建了实际灾情对不同月份气候因子的响应关系,进而探求重要气候因子与大尺度大气—海洋指数(LAOI)的可能联系。结果表明：(1) EEMD从灾情逐年序列分离出中短期波动表征的气候干旱强度(IMF-H)和趋势项表征的干旱脆弱性;(2) IMF-H的峰值差异表明东北3省的干旱强度明显高于其他省份;(3) IMF-H与气候因子的线性关系表明夏季气候异常对灾损贡献最高,特别是7月份的日均日照时间及降水被筛选为10个省份的干旱关键影响因子(KDII);(4)各省份KDII的时序诊断结果表明,2000以来长江北部地区的夏季干旱风险有一定的增强趋势;(5)在0～12个月时滞下,Nino海温、南方涛动、北太平洋遥相关型等表征ENSO及北半球大气低频振荡的LAOI对研究区KDII有着显著影响。研究结果可为区域干旱监测及预警提供科学依据。     

基于经验模态分解和集对分析的粮食单产波动影响分析

针对江淮分水岭易旱区粮食单产波动的复杂性与非平稳性问题,运用经验模态分解方法对粮食单产及其影响因子进行多层次、多时间尺度分解,并采用集对分析理论分析粮食单产波动分量与其影响因子之间的相关性,从而定量化分析各影响因子对粮食单产波动的综合影响率,得出自然灾害受灾率对粮食单产波动的综合影响率为31.26%,在此基础上,通过分析旱灾和自然灾害对粮食生产的危害程度,求取旱灾对粮食单产波动的综合影响率为17.13%,该研究为该区旱灾综合治理与粮食生产决策提供科学依据。     

集合经验模式分解在旋转机械故障诊断中的应用

为了抑制经验模式分解中的模式混淆现象,提高分析精度,引入集合经验模式分解（EEMD）算法。在分析信号上叠加适当的随机高斯白噪声序列,改变信号的局部时间跨度,从而改变一次经验模式分解（EMD）中分析的特征尺度,通过足够多次EMD分解,相当于从多个角度提取信号的本质,最后由所有次分解得出的各本征模态函数（IMF）的均值作为输出,不但消除了人为噪声的影响,还清晰还原了信号的内在过程,准确揭示了其真实物理意义。通过仿真试验和实际的动静碰磨故障案例证实了EEMD算法的有效性,并与基本EMD算法和高频谐波法进行了对比,结果表明,EEMD虽然耗时较多但结果更准确,在旋转机械故障诊断领域应用前景广泛。     

基于EEMD-SVM模型的北洛河上游径流预测

[目的]提高北洛河上游径流预报精度,为流域管理及水资源合理配置提供依据。[方法]以1971—2014年北洛河上游吴旗水文站实测径流资料为基础,采用EEMD-SVM耦合模型对吴旗站月径流序列进行了模拟预测,并与EEMD-ARIMA和EEMD-NAR两种耦合模型的预测结果进行对比。[结果]EEMD-SVM模型的平均绝对误差(MAE)和均方根误差(RMSE)最低,决定系数(R²)和纳什系数(NSE)最高。其中,相比于EEMD-ARIMA和EEMD-NAR模型,EEMD-SVM模型的决定系数(R²)分别提高了186.63%,49.49%。[结论]EEMD-SVM模型具有更高的预测精度和更强的非线性拟合能力,可以成功地应用于北洛河上游的月径流预报。同时,研究表明EEMD-NAR模型的预测性能高于EEMD-ARIMA性能。     

长江上游流域生长季气象干旱分异特征

为揭示长江上游流域气象干旱发生与演变规律,基于气象站1961—2019年逐月气象数据,运用旋转正交分解(REOF)、集合经验模态分解(EEMD)及游程理论等方法研究了其生长季气象干旱变化特征。结果表明:长江上游可分为8个气象干旱亚区,其中Ⅴ区呈干旱趋势,Ⅰ区、Ⅲ区及Ⅶ区表现为变湿态势,其他各区表现为干湿交替态势; 干旱周期以年际为主,Ⅰ和Ⅲ区表现出较为明显的年代际周期特征,趋势贡献较高的为Ⅴ区及Ⅷ区,其余各区趋势的贡献均小于年代际贡献; Ⅱ区干旱时间最长,达到1.57月,Ⅶ区最小为1.41月,仅有Ⅶ区干旱时间呈显著下降趋势,各区干旱强度比较接近,差异不大,且未来变化趋势不明显,Ⅶ区干旱面积为各区最大,达到30.36%,Ⅵ区干旱面积最小为19.18%,整体而言,干旱发生最为集中的为Ⅶ区,其AD达到0.091,最为分散的是Ⅱ区,其AD达到0.194。综上,长江上游流域各分区生长季气象干旱特征各有不同,西北部地区干旱较东南部地区严重。     

基于HHT算法与卷积神经网络的轴承复合故障诊断

针对农业机械装备中滚动轴承复合故障特征提取与智能诊断问题,该文提出了一种将希尔伯特-黄变换的改进算法(improved hilbert-huang transform,IHHT)与卷积神经网络(convolution neural network,CNN)相结合的诊断方法。首先,通过多种群差分进化改进的集合经验模式分解(multiple population differential evolution-ensemble empirical mode decomposition,MPDE-EEMD)和敏感固有模态函数筛选方法来改进HHT,提取出故障信号时频特征。然后,在AlexNet网络模型基础上遍历所有可能的CNN模型组合,构建出适应于滚动轴承故障诊断的CNN网络模型。再将训练集生成的IHHT时频图输入CNN中进行学习,不断更新网络参数;并将该模型应用于测试集,输出故障识别结果。最后,通过滚动轴承单一故障和复合故障2种试验,将所提出的IHHT+CNN方法分别与传统的BP神经网络、DWT+CNN和STFT+CNN方法进行比较。研究表明,该文的IHHT+CNN方法对单一与复合故障的正确率分别达到100%和99.74%,均高于其他3种方法,实现了不同工况下端到端的轴承复合故障智能诊断,并具有较好的泛化能力和鲁棒性。     

基于EMD的平朔矿区生态足迹变化及动力学预测分析

生态足迹是一种度量人类对自然利用程度的综合指标,它受到人口、土地、科技、消费等众多社会、经济和自然因素的影响,在时间和空间上具有多尺度特征。在计算平朔矿区1989—2010年人均EF的基础上,采用EMD和动力学预测方法,研究矿区人均EF的长时间序列演化规律,结果表明,矿区人均生态足迹存在一个4.68 a左右的准周期波动;从人均EF波动的趋势量分布来看,1989年以来平朔矿区的人均生态足迹不断增长,且年平均增长率为1.787 4%,但2001年以后的10 a间,由于矿区加强了土地复垦和生态重建工作,人均EF的年平均增长率下降为0.046 7%;预测结果表明,虽然矿区人均EF依然呈上升趋势,但年均增长率减缓,模型预测2020年平朔矿区人均生态足迹为2.566 hm²/cap;研究结果有助于了解矿区未来资源的利用情况和区域生态压力面临的问题,为有关部门制定和实施相应的可持续发展战略措施提供理论参考。