小波随机耦合模型在查哈阳农场降雨量预测中应用

采用小波变换A Trous算法对小波信号进行分解后,对各小波变换序列进行互相关分析,建立各小波变换序列相应的随机模型,最后采用小波重构算法得到小波随机耦合模型.然后根据查哈阳农场1956-2008年作物生育期月降雨量数据资料,建立了小波随机耦合模型,对模型进行拟合预测精度检验,研究表明该模型拟合预测精度高,能够反映该地区的降雨量变化规律,是一种实用的预报模型.对当地制定合理的灌溉制度和高效利用降水资源具有重要意义.     

基于小波分析的年最大径流预测方

径流序列可以看成是各种不同成分线性叠加构成的时间序列。利用小波变换良好的局部化时频分析能力，将年最大径流序列进行分解，使其趋势项、周期项和随机项得以分离。各子序列分别代表不同的时间尺度，反映了各种物理因素对径流过程的影响。然后根据各子序列的特性分别建立幂函数、周期函数或ARMA模型并进行预测。最后将各子序列的预测值合成，得到年最大径流序列的预测值。对宜昌站1991年至2002年最大径流量的预测结果表明，该方法是切实可行的。并指出小波包变换在分析中、高频信息方面优于小波变换，有助于进一步提高预测的精度。     

基于WA-SVM的流域降雨序列预测研

为了提高降雨中长期预测精度，将小波分析和支持向量机回归方法引入水文序列预测领域，给出了两种方法的思路和特点。在此基础上，尝试建立了基于小波分析-支持向量机（WA-SVM）的降雨量序列预测模型。通过小波分解，将原始复杂的降雨序列分解到不同的频率层次，对每层得到的分解序列分别采用支持向量机回归方法进行预测，最后合成原始序列的预测值。将该模型应用于实际流域月降雨量预测，并与单独支持向量机回归方法预测结果进行比较，表明该方法预测精度有明显提高。     

基于小波消噪的水文序列复杂性和趋势分析

考虑到噪声淹没了水文序列的真实变化特性,运用小波消噪方法对水文序列进行消噪处理,然后根据符号动力学理论时水文系统的复杂性进行分析和研究.分别计算出呼伦湖流域小渡消噪前后的径流序列的复杂度空间变化和动态变化结果.水文序列经过史坦无偏风险估计的软阈值方法消噪处理后,得到的消噪水文序列与原序列具有同等的光滑性和相似性.据此特点对呼伦湖流域克鲁伦河、乌尔逊河和海拉尔河进行水文序列趋势成分分析.     

铝合金锻件超声信号的自适应小波压缩方法

针对铝合金锻件超声信号中含有晶粒散射引起的相干噪声,建立了相应的缺陷回波检测数学模型.提出了基于新的阈值函数Stein无偏估计自适应压缩方法.对离散小波变换各尺度上的小波系数用新的阈值函数进行估值后,进行了小波阈值最小均方误差意义上的迭代,并用小波系数估值进行离散小波反变换.以得到信号的估值,通过反复迭代,得到缺陷回波的最优压缩模型.对含缺陷铝合金锻件的超声信号处理实验的结果表明,与常用的固定阈值方法相比,在相同压缩比下,自适应压缩方法能更好地去除散射噪声及识别缺陷回波信号.     

小麦硬度声学检测方法研究——基于小波变换与离散余弦变换

小麦硬度是评价小麦品质的一项重要指标。对小麦籽粒碰撞发声装置发出的声信号进行频域分析研究,结合使用小波变换与离散余弦变换算法对小麦声音信号进行分析处理,利用小波变换的多分辨率特性及离散余弦变换的能量压缩和解相关能力,提取一些有用的特征参数,分别采用一元和多元线性回归的方法构建不同小麦硬度的声学检测模型。研究结果表明:建立的回归模型的线性相关系数r2可达到0.957。     

基于小波-BP神经网络的贝叶斯概率组合预测模型及其应用

采用一元线性回归模型模拟贝叶斯分析的先验分布和似然函数,建立了基于小波-BP神经网络的贝叶斯概率组合预测模型,在结合区域的水文特性对数据进行预处理的基础上,将其应用于老挝Namngum水库的月径流量预测中,结果表明,该方法较单一BP神经网络模型和小波-BP神经网络模型而言,有效的提高了月径流量的预测精度;同时相对于确定性水文预报方法而言,基于小波-BP神经网络的贝叶斯概率组合预测模型定量地、以分布函数形式描述水文预报的不确定度,能向用户提供更多、更全面的信息,为决策提供更有价值的技术支持。     

基于双参数和Morlet多时间尺度特性的冬小麦单产估测

为进一步研究冬小麦在不同时间尺度下长势及产量变化情况,以陕西省关中平原为研究区域,选择与作物长势密切相关的条件植被温度指数（VTCI）和叶面积指数（LAI）作为研究指数,Morlet小波作为函数,利用小波变换和交叉小波变换分别分析不同时间尺度下冬小麦各生育时期VTCI和LAI与单产时间序列间的主振荡周期和共振周期。通过计算小波互相关度,确定各生育时期VTCI和LAI的权重,从而分别构建基于加权VTCI、加权LAI的单参数和双参数估产模型。结果表明,不同生育时期VTCI和LAI与单产间存在不同的主振荡周期和共振周期;通过小波变换构建的基于加权VTCI、加权LAI单产估测模型的归一化均方根误差（NRMSE）分别为16.88%、13.58%,决定系数（R2）分别为0.259、0.520,基于双参数的估产模型NRMSE为13.52%, R2为0.531,表明基于双参数估产模型精度更高。通过交叉小波变换构建的基于加权VTCI、加权LAI单产估测模型的NRMSE分别为16.83%、13.56%,R2分别为0.263、0.522,基于双参数的估产模型NRMSE为13.40%,R2为0.533,表明基于交叉小波构建的估产模型比基于小波变换的估产模型精度均有所提高。利用共振周期构建的双参数估产模型对关中平原2011—2018年冬小麦的单产进行估测,结果显示,产量分布呈现西部高东部低的空间分布特征。     

基于小波ANFIS的诸暨站降雨量预测模型

【目的】建立适合诸暨站的降雨量预测的模型。【方法】采用小波分析和ANFIS相结合的模型预测方法,首先利用小波分析的多尺度分解功能,将诸暨站降雨量进行分解,然后利用ANFIS的自适应非线性逼近功能对分解后的序列进行预测,最后利用小波重构对预测的分解结果进行重构。【结果】小波ANFIS模型对诸暨降雨量的预测值与原始值相对误差在30%以内,精度达到要求。【结论】小波ANFIS模型可作为诸暨站的降雨量预测模型。     

基于PDWT与高光谱的生菜叶片农药残留检测

在离散小波变换特征提取算法基础上,结合有机物近红外谱区倍频中心近似位置,提出一种分段离散小波变换特征提取的方法。以4类农药残留水平(重度超标、中度超标、轻微超标、低于国标)生菜为研究对象,通过透射电镜对生菜叶片微观结构进行检测,并利用近红外高光谱成像仪采集生菜样本的高光谱图像。在生菜高光谱图像中选取感兴趣区域并提取该区域的平均光谱,依据常见基团主要中心近似位置对平均光谱进行有效分段,以sym5为小波基函数,依次对每段光谱数据进行小波变换分解。通过每段不同层次高频小波系数曲线的奇异值分析,来获取光谱特征波段。为了便于判断特征提取波段的优劣,提出初步评估参数契合度,并结合支持向量机分类准确率进一步评估提取特征波段。试验结果表明:随着农药残留浓度的增加,生菜叶片内部嗜锇颗粒数量变多,而淀粉颗粒变少,细胞间隙逐渐变大。不同浓度农药残留的生菜叶片内部细胞排列结构方式和组织结构存在差异,从而使不同浓度农药残留的生菜近红外光谱具有一定的差异性。与离散小波变换特征提取算法相比,分段离散小波变换具有较高的预测分类准确率。分段数取值为4时,取得最佳的契合度、校正集、交叉验证集与预测集准确率分别为75%、95%、92.86%和90.63%。分段离散小波变换结合契合度参数评估,能有效提高光谱特征提取波段可靠性,为快速、准确地无损检测生菜农药残留提供了一种新方法。     

东江流域博罗站天然年径流量序列多时间尺度分析

采用Morlet小波函数,对东江流域博罗站1956-2005年天然年径流时间序列进行了小波分析,揭示了流域天然年径流变化的多时间尺度的复杂结构,分析了不同时间尺度下天然年径流序列变化的周斯,并根据主周期对未来序列变化进行了预测。研究结果表明,天然年径流序列呈现微弱的减少趋势,21 615万m3/(10 a),近50年天然年径流量减少了约108 075万m3;天然年径流量变化的特征时间尺度为2年、4年、8年、12年、19年,其中8年左右的周期振荡最强,为天然年径流量变化主周期;依据主周期的变化趋势,预测2006-2009年间天然年径流将偏多,大约在2010-2013年天然年径流将偏少。     

基于最大熵谱估计的水文周期分析

最大熵谱估计法是以AR模型为基础的一种参数谱估计方法。该方法通过频谱分析,可以计算出全局性的主要周期,从而反映出水文时间序列的整体特性。本文介绍了最大熵谱估计法的基本概念和理论,并论述了用Burg算法作为求解AR模型参数的方法。针对岷江紫坪铺水文站1937-2004年的年径流实测资料,本文将最大熵谱估计理论应用于水文时间序列周期的提取上,并采用Fisher检验方法对提取出的周期进行了检验。通过分析发现,岷江紫坪铺站年径流序列存在4年左右的变化准周期,对揭示岷江中上游水文周期的变化规律具有一定的探讨意义。在研究中同时也发现,最大熵谱估计也存在一定的缺陷,在今后的研究中还需进一步建立熵与水文过程之间的联系,从而更好的揭示出水文时间序列的变化规律。     

基于小波分析的黄河上游径流变化周期研究

为了研究黄河上游径流变化周期,在综合评述已用方法的前提下,引入了小波分析法;然后采用Morlet连续小波变换,对兰州和贵德2站84年(1920～2003年)年径流时间序列变化特征进行了多时间尺度分析,揭示出黄河上游年径流在不同时间尺度下的小波变换时频特征及其丰、枯交替变化的周期规律;进一步分析其径流变化规律,发现黄河上游年径流变化具有同步性,现正处于偏枯期;最后对分析结果进行小波系数过程线及方差图检验,得出黄河上游年径流具有32年的主周期变化规律,同时预测2007年后的17年(2008～2024年)时期内,将处于偏丰期。     

挠力河流域径流变化特征与影响因素分析

挠力河作为三江平原最大的流域,其径流变化过程对三江平原的社会经济发展、生态环境变化起着至关重要的作用。为获取该流域的径流量变化特征,首先采用线性趋势分析法和Mann-Kendall趋势检验法对流域4个代表性水文站径流序列进行趋势分析,然后采用滑动移除近似熵法(MC-Ap En法)和Mann-Kendall突变检验法分别对径流进行突变检验,并对径流发生变化的原因进行了探讨。结果表明:挠力河流域上、中、下游径流量分布不均匀,且同一水文站径流年际变化较大,不利于挠力河流域水资源的开发利用;挠力河流域近50 a来径流量呈明显的减少趋势,其中宝清站、保安站、菜咀子站径流下降趋势明显;挠力河径流量在1966年发生突变,突变后径流呈明显的减少趋势,发生突变的主要原因是降雨量减少、农业开垦的扩张以及水利工程建设的日益增多;滑动移除近似熵法在进行径流突变分析的过程中,表现出精确度高、抗干扰能力强等特点,是一种适于径流序列突变检测的方法。     

基于EEMD与EMD的降雨序列多时间尺度对比分析

针对水文时间序列多时间尺度分析问题，分别应用经验模态分解(EMD)与总体经验模态分解(EEMD)方法进行对比研究。论文首先将EMD与EEMD进行测试函数仿真对比分析，结果表明EEMD较EMD能较好的解决模态混叠现象。将其应用于湖北省降雨序列演变特性分析，并引入基于LSSVM信号延拓方法以消除水文序列的端点效应，结合小波分析结果对比验证表明，EEMD作为一种新的信号处理方法，较EMD能更精确地获取降雨时序的多时间尺度特性，可为水文时间序列演变规律分析提供依据。     

基于RBF神经网络的农用柴油机故障诊断研究

柴油机以其良好的动力性、可靠性、经济性在农用机械中广泛应用,但对农用柴油机施行及时的不解体故障诊断却并非易事。为此,以配气机构故障为例,提出了将小波包分解与RBF神经网络结合的故障诊断方法,对降噪后的气缸盖振动信号进行小波包分解,构造故障特征向量作为故障样本,并用训练好的RBF神经网络进行模式识别。试验结果证明,该方法具有良好的诊断效果和广泛的工程应用前景。     

基于卷积型小波包变换的信号降噪研究

提出了一种基于卷积型小波包变换的多尺度降噪方法。采用卷积型小波包变换,克服了传统小波包变换数据点数随分解尺度的增加而呈指数减小的问题;改进了噪声方差估计方法,较好地保留了信号的主要细节;采用了新的阈值函数,其表达式简单易于计算,同Donoho软阈值函数具有相同的连续性,且克服了软阈值函数中估计小波系数与分解小波系数之间存在着恒定偏差的问题。仿真结果表明,新的降噪方法有效抑制了在信号奇异点附近产生的Pseudo-Gibbs现象,在降噪精度上优于传统的小波包降噪方法。     

基于提升小波和分形的苹果树多源图像融合算法

针对可见光图像与近红外图像特点,提出了一种基于提升小波和分形的多源图像融合方法。首先将已配准的多源图像分别进行提升小波分解,在各层的低频部分用分形维加权平均融合,高频部分用区域交叉信息熵和能量特性融合;再通过提升小波重构得到融合图像。利用苹果树可见光图像和近红外图像进行了实验,实验结果表明,融合后的图像符合视觉特性,综合性能优于传统小波变换融合方法,有利于对图像作进一步分析、理解和识别。