融合經(jīng)驗模態(tài)分解降噪和復雜網(wǎng)絡分析的風場表征方法技術(shù)

一種融合經(jīng)驗模態(tài)分解降噪和復雜網(wǎng)絡分析的風場表征方法，包括：對輸入的風場信號進行經(jīng)驗模態(tài)分解；對分解后得到本征模態(tài)函數(shù)分量進行相空間重構(gòu)，計算可預測性強度；可預測性強度與本征模態(tài)函數(shù)階次變化關(guān)系曲線中的最小值作為分界點，將階次大于分界點的本征模態(tài)函數(shù)分量累加得到降噪處理信號；將降噪處理后的信號再次進行相空間重構(gòu)，計算復雜網(wǎng)絡連接矩陣，構(gòu)造風場時間序列復雜網(wǎng)絡；對局部風場中其它空間點的風場信號重復上述過程，得到不同空間點全局效率-模塊度和同配系數(shù)-全局效率組合特征表征。本發(fā)明專利技術(shù)可以很準確地區(qū)分噪聲和本原信號，降噪性能突出。復雜網(wǎng)絡組合特征表征區(qū)分度明顯，可廣泛用于氣象、農(nóng)業(yè)、能源、環(huán)保等多個領(lǐng)域。

【技術(shù)實現(xiàn)步驟摘要】

本專利技術(shù)涉及一種近地面風場類型表征方法。特別是涉及一種用于近地面風場信號的降噪和風場類型表征的融合經(jīng)驗模態(tài)分解降噪和復雜網(wǎng)絡分析的風場表征方法。
技術(shù)介紹
近地面風場類型是指在一定的天氣條件和復雜地形約束下，近地面形成的特定的風場形式或模態(tài)。通過對風場類型進行表征，可以更好地揭示近地面風場的流動及演化規(guī)律。其將在氣象、農(nóng)業(yè)、能源、環(huán)保等多個領(lǐng)域具有廣泛的應用價值。風場時間序列蘊含豐富的風場流動及演化信息，也是風場類型識別最便捷獲取的原始數(shù)據(jù)。現(xiàn)有的風場類型識別方法大多通過對風場原始時間序列進行聚類處理實現(xiàn)，這種處理策略存在兩方面的問題：1)未對原始風速時間序列進行降噪處理，目前風速信號測量大多采用杯式或螺旋槳式風速儀，這類風速儀體積較大且通過機械轉(zhuǎn)動部件對風場信號進行測量，因此所獲取的風場原始數(shù)據(jù)中必然存在一定的噪聲，這給聚類分析結(jié)果準確性產(chǎn)生不利影響；2)大量的有關(guān)近地面風場時間序列的研究結(jié)果表明，近地面風速時間序列具有非平穩(wěn)、非線性特性，而現(xiàn)有的聚類分析中關(guān)鍵的模式距離測度(如歐式距離、馬式距離、皮爾遜相關(guān)距離等)一般只適用于分析線性、平穩(wěn)信號，對于非平穩(wěn)、非線性信號的測算結(jié)果誤差很大，很難給出正確的分類結(jié)果。由于受氣壓、溫度和復雜地形等多個因素影響，導致近地面風場呈現(xiàn)出很強的非線性和不確定性，這給風場類型的表征帶來極大的困難。此外，傳感器測量過程中的噪聲問題也對風場分類識別精度產(chǎn)生一定的影響。目前風速信號測量大多采用杯式或螺旋槳式風速儀，這類風速儀體積較大且通過機械轉(zhuǎn)動部件對風場信號進行測量，因此所獲取的風場原始數(shù)據(jù)中必然存在一定的噪聲，這直接影響后續(xù)風場信號表征的準確性，為此非常有必要對原始風場數(shù)據(jù)進行降噪處理。大量近地面風場時間序列的研究結(jié)果表明，近地面風速時間序列具有非平穩(wěn)、非線性特性，由于傳統(tǒng)的降噪處理很難區(qū)分噪聲和非線性信號，因此在降噪過程無法保證最大限度的保留風場信號本原的非線性特性。目前常規(guī)的非線性信號分析及表征方法有：關(guān)聯(lián)維數(shù)(CorrelationDimension,D2)；相互維數(shù)(MutualDimension,Dm)；李亞普諾夫指數(shù)(LyapunovExponent,L1)；柯爾莫哥諾夫熵(KolmogorovEntropy,K2)；近似熵等。這些方法受數(shù)據(jù)長度的影響較大，測算結(jié)果不穩(wěn)定。
技術(shù)實現(xiàn)思路
本專利技術(shù)所要解決的技術(shù)問題是，提供一種可有效地提取出風場時間序列本原的非線性特征，并且具有較強降噪能力的融合經(jīng)驗模態(tài)分解降噪和復雜網(wǎng)絡分析的風場表征方法。本專利技術(shù)所采用的技術(shù)方案是：一種融合經(jīng)驗模態(tài)分解降噪和復雜網(wǎng)絡分析的風場表征方法，包括如下步驟：1)對輸入的風場時間序列信號進行經(jīng)驗模態(tài)分解，得到一組階次由低到高的本征模態(tài)函數(shù)信號；2)對每個本征模態(tài)函數(shù)信號進行相空間重構(gòu)，重構(gòu)得到相空間中的狀態(tài)向量序列{x(i)本文檔來自技高網(wǎng)...

【技術(shù)保護點】
一種融合經(jīng)驗模態(tài)分解降噪和復雜網(wǎng)絡分析的風場表征方法，其特征在于，包括如下步驟：1)對輸入的風場時間序列信號進行經(jīng)驗模態(tài)分解，得到一組階次由低到高的本征模態(tài)函數(shù)信號；2)對每個本征模態(tài)函數(shù)信號進行相空間重構(gòu)，重構(gòu)得到相空間中的狀態(tài)向量序列{x(i)},i＝1,2,...,N，由此計算狀態(tài)向量序列相應的自遞歸矩陣ri,j：ri,j＝θ(ε?||x(i)?x(j)||)???(1)其中θ(x)是單位階躍函數(shù)，當x大于等于0時，θ(x)＝1；當x小于0時，θ(x)＝0；x(i)和x(j)分別表示相空間中序號為i和j的狀態(tài)向量；||·||表示歐式范數(shù)；ε為范數(shù)閾值，通過控制遞歸矩陣中的遞歸點密度為5％得到；3)根據(jù)每個本征模態(tài)函數(shù)信號的自遞歸矩陣ri,j計算相應的可預測性強度W：w=Σl=lminNlp(l)Σi,j=1Nri,j---(2)]]>其中，l是遞歸矩陣中的構(gòu)成45°對角線的長度，p(l)是對角線長度l的概率分布密度函數(shù)，N是相空間重構(gòu)后得到的狀態(tài)向量個數(shù)，i，j為狀態(tài)向量序號；4)做出可預測性強度W與本征模態(tài)函數(shù)階次變化的關(guān)系曲線，從中找到曲線的最小值；5)以可預測性強度W最小值所對應的本征模態(tài)函數(shù)階次s為分界點，去除階次小于等于s的本征模態(tài)函數(shù)分量，將剩余的本征模態(tài)函數(shù)分量累加得到降噪處理信號；6)將降噪處理信號再次進行相空間重構(gòu)，得到相應的自遞歸矩陣Rb,c，去除自遞歸矩陣Rb,c的自環(huán)，得到復雜網(wǎng)絡的連接矩陣Ab,c，并以復雜網(wǎng)絡的連接矩陣Ab,c為依據(jù)構(gòu)造風速時間序列復雜網(wǎng)絡Ab,c＝Rb,c?δb,c???(3)式中，b和c分別為再次重構(gòu)后相空間中狀態(tài)向量及復雜網(wǎng)絡中與之對應的節(jié)點序號，δb,c是為避免網(wǎng)絡陷入自環(huán)引入的克羅內(nèi)克函數(shù)矩陣：δ(b,c)=1b=c0b≠c---(4)]]>7)計算得到復雜網(wǎng)絡的同配系數(shù)：首先，定義網(wǎng)絡度分布P(k)：P(k)＝nk/G???(5)其中，G為網(wǎng)絡中的節(jié)點數(shù)，nk為網(wǎng)絡中度為k的節(jié)點數(shù)，定義網(wǎng)絡中隨機選取一條邊的兩個端點的度分別為v和k的概率P(v，k)為：P(v,k)=m(v,k)μ(v,k)2D---(6)]]>其中，m(v，k)是度為v的節(jié)點和度為k的節(jié)點之間的連邊數(shù)；如果v＝k，那么μ(v,k)＝0，否則μ(v,k)＝1，D為整個網(wǎng)絡的連邊數(shù)；定義余度分布Pn(k)為：Pn(k)=Σv=kminkmaxP(v,k)---(7)]]>其中，kmin和kmax分別是網(wǎng)絡中節(jié)點度的最小值和最大值；定義度相關(guān)函數(shù)M(v，k)為：M(v,k)＝∑v,kvk[P(v,k)?Pn(v)Pn(k)]???(8)余度分布的方差定義為：σq2=Σkk2Pn2(k)-[ΣkkPn(k)]2---(9)]]>最終網(wǎng)絡同配系數(shù)r采用如下公式求得r=1σq2M(v,k)---(10)]]>8)計算得到復雜網(wǎng)絡的全局效率Eglob=1G(G-1)Σg≠h1dg,h---(11)]]>其中，G為網(wǎng)絡節(jié)點數(shù)，dg,h為節(jié)點g與節(jié)點h之間的最短路徑上的連邊數(shù)量；9)計算得到復雜網(wǎng)絡的模塊度Q=12MΣb,c(ab,c-pb,c)δ(Ob,Oc)---(12)]]>其中，ab,c是連接矩陣Ab,c在第b行和第c列的元素,即節(jié)點b與節(jié)點c之間的連接狀態(tài)，pb,c是與所研究網(wǎng)絡有著相同度序列的隨機圖中節(jié)點b與節(jié)點c之間連邊數(shù)的期望值，δ為克羅內(nèi)克函數(shù)，Ob和Oc分別表示節(jié)點b與節(jié)點c按照魯文社團網(wǎng)絡算法劃分時所屬的社團序號；10)對局部風場中其它空間點的風場信號重復步驟1?9，得到相應的空間點復雜網(wǎng)絡非線性特征量，即復雜網(wǎng)絡的同配系數(shù)、全局效率和模塊度。...

【技術(shù)特征摘要】
1.一種融合經(jīng)驗模態(tài)分解降噪和復雜網(wǎng)絡分析的風場表征方法，其特征在于，包括如下
步驟：
1)對輸入的風場時間序列信號進行經(jīng)驗模態(tài)分解，...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：曾明，郭建民，孟慶浩，
申請(專利權(quán))人：天津大學，
類型：發(fā)明
國別省市：天津;12