经验模态分解方法中端点问题的处理

经验模态分解方法可以有效提取非线性非稳定信号的瞬时特征,但是在利用样条插值获得信号上、下包络过程中存在着棘手的端点问题。有文献提出利用线性神经网络对信号进行延拓的方法,来解决经验模态分解方法中存在的端点问题。提出利用BP和RBF网络对信号进行延拓的方法解决该问题;并利用实验对三种网络的延拓效果进行比较,证明了RBF神经网络的有效性。

Signal prediction based on empirical mode decomposition and artificial neural networks

In view of the usefulness of Empirical Mode Decomposition （EMD）, Artificial Neural Networks （ ANN）, and Most Relevant Matching Extension （MRME） methods in dealing with nonlinear signals, we pro- pose a new way of combining these methods to deal with signal prediction. We found the results of combining EMD with either ANN or MRME to have higher prediction precision for a time series than the result of using EMD alone.

基于经验模态分解与神经网络的信号预测

利用经验模态分解在处理非线性、非平稳信号以及人工神经网络可以较好地处理非线性问题的优点,通过经验模态分解把加入噪声的仿真信号分解成几个本征模态函数分量和一个趋势项,在分解过程中采用两种方法处理端点效应问题,结果表明两种方法都能很好的解决端点问题,然后对每个分量分别运用径向基函数神经网络进行预测,并重构出最后的预测结果。与不经EMD处理直接运用神经网络进行预测及真实数据进行对比,结果表明,相对于直接预测,该方法具有更好的预测效果。

产出缺口估计不确定性问题综述——以对货币政策规则的影响为例

潜在产出和产出缺口是当局实施货币政策规则的重要依据。然而,不仅可观测的数据乃至于不可观测的产出缺口的准确值无法实时获得(即实时数据的不确定性),而且现有测算方法各有优缺点,很难说某一种方法测度出来的产出缺口最准确(即测算方法的不确定性)。这些都是导致潜在产出和产出缺口估计不确定性的根源。本文以这两个根源为线索对已有文献资料进行整理后发现:(1)产出缺口估计的不确定性问题可能影响到政府和公众的决策行为,使宏观经济政策的制定变得更加复杂,甚至会反过来加剧产出缺口的易变性,并最终降低宏观经济调控政策的效率;(2)当产出缺口不确定性增大时,降低产出缺口的权重以及保持经济政策的连续性和稳定性都具有十分重要的意义。

地震动作用下浅埋隧道非对称塌落机制研究

基于岩体Hoek-Brown破坏准则,结合极限分析法的上限定理和待定边界变分法,提出浅埋隧道上覆岩体在地震动作用下非对称塌落曲线的解析解,同时开展地震体波和岩体参数对非对称塌落曲线影响研究。结果显示:在不考虑岩体损伤的情况下,S波会使岩块的几何形状发生倾斜,并有利于抑制岩块的塌落且在力学性能较好的岩体上抑制作用更显著;而P波在传播方向与重力方向一致时会促进岩块塌落,且使塌落岩块的几何面积变小。表明在地震动作用下,更小范围的机动许可速度场就能导致岩体达到极限破坏状态。研究成果对隧道工程的安全设计和施工具有一定的指导意义。