基于ESMD的西江流域降水时空变化特征分析

气候影响水文资源的时空分布,研究降水这一气候基本要素的变化特性对流域水资源规划管理具有指导性作用。利用极点对称模态分解(Extreme-point Symmetric Mode Decomposition,ESMD)方法,以西江流域1954-2008年51个气象站的降水序列作为研究对象,同时从趋势、周期和突变三方面研究西江流域年降水、年降水极大值、年降水极小值、汛期降水和非汛期降水的时空变化特性,并与小波分析等方法进行对比。结果表明:①各降水指标主要存在2、14、18、28 a等周期特征,周期规律具有一致性;②各降水指标在20世纪60年代、80年代和90年代出现突变现象最为频繁;③年极小值和非汛期降水呈现统一正增长线性趋势;④中下游区域年降水和非汛期降水指标的ESMD趋势结果具有较高一致性。ESMD方法能够有效甄别非平稳序列的变化规律,为降水序列时空变化特征分析开辟了新思路。

关于非对称数据的ESMD改进算法

ESMD方法是“极点对称模态分解方法”的简称,其在各个研究领域所涉及数据处理的科研和工程应用有其独特的作用。但是通过ESMD数据分析方法的原理可知,其一般适应于在每半个周期中关于中点较对称的数据。对于非对称(峰谷不对称)数据来说,该方法中选取的中点失去了代表性。本文针对这种数据的分析对ESMD方法进行了改进,用每半个周期的局部均值来代替原先算法中极大值与极小值的中点,这样可以更好的反应非对称数据的情况,并通过数值模拟验证了上述方法的可行性与有效性。

基于边界修正和二次分解的改进月降水LSTM预测方法

基于深度学习的降水预测是近年来水文研究的热点。月降水数据为典型的小样本数据,无法满足深度学习对大数据量的需求。为此,融合信号分解和边界修正的思想,提出一种改进的月降水长短期记忆网络(LSTM)预测方法。首先,针对序列分解的“端点效应”,采用波形特征匹配延拓法扩展原始序列边界。然后,利用极点对称模态分解(ESMD)和变分模态分解(VMD)对原始序列进行二次分解。ESMD提取月降水序列不同尺度信息,得到频率依次降低的几个模态分量及一个残余分量;切除各子序列中对内部数据“污染”最严重的扩展部分后,VMD进一步对高频分量进行平稳化处理。最后,对各子序列分别运用LSTM预测,预测结果重构后得到最终预测结果。选取湖北省巴东县的月降水量作为实例验证。通过模型对比分析,结果表明:相较于传统的单一SVM和LSTM模型,组合了信号分解算法的预测模型在月降水预测中更具优越性;将边界修正的方法融入到采用ESMD算法的组合模型,提高了整体模型的预测精度;高频分量的预测效果是决定组合模型预测精度高低的关键因素;提出的方法不但在选取的评价指标上均表现最佳,而且对数据极值点的拟合效果提升显著。特别地,即使面对小样本数据集,使用本文模型,月降水预测的纳什效率系数(Nash-Sutcliffe Efficiency coefficient,NSE)可以达到0.9600。

基于极点对称模态分解的混合储能系统容量配置

为给微电网配置合适的储能容量以平抑网内有功功率波动,提出了一种基于极点对称模态分解(extreme-point symmetric mode decomposition,ESM D)的混合储能系统容量配置模型。基于微电网净负荷功率,利用ESM D方法分解为自适应全局均线作为微电网与电网的交换功率,以及低频和高频分量作为蓄电池和超级电容器的平抑目标;为使分解后的各个分量最优,分析了剩余极点个数对全局均线的影响,研究了临界模态的选择原则以得到合适的低频和高频分量;在此基础上,考虑储能设备的运行寿命,建立了包含年投资成本和年运行维护成本的微电网混合储能系统成本模型。仿真实例验证了所述模型的可行性和经济性。

基于极点对称模态分解和需求响应的风电消纳策略

在全球能源互联网的大背景下,风力发电作为一种清洁能源受到重视。由于风电的波动性对电力系统的经济、稳定运行造成强烈的冲击,弃风情况日益严峻。文章提出一种新的风电消纳策略,采用极点对称模态分解(extremepoint symmetric mode decomposition,ESM D)把原始风电出力分解为光滑的出力曲线和波动分量,使用混合储能吸收其波动分量,同时在系统运行中通过需求响应消纳更多的风电。针对粒子群算法容易陷入局部最优的缺点,将莱维飞行引入粒子群算法以增强粒子跳出"早熟"的能力。算例结果证明了这种风电消纳策略的有效性,即在维持一定的运行费用的同时,利用混合储能和需求响应,提高系统的风电消纳能力。

基于均一化序列的贵州高原1960-2018年气温时空变化特征分析

基于均一化处理后的1960-2018年贵州高原34个气象站的日均气温资料,利用Mann-Kendall检验、启发式分割算法、极点对称模态分解方法(ESMD)等方法对贵州高原不同时空尺度下的气温变化规律进行研究。结果表明:1960-2018年贵州高原气温显著升高,呈现“非线性、非平稳、跳跃式”的上升特征,气温倾向率为0.1710℃/10a,并在1997年发生突变;1998-2012年出现与全球增温“停滞”相一致的升温减缓现象;春夏秋冬四季气温均检测到突变,秋冬季气温对全年升温的贡献最大,夏季最小;空间上呈现全域升温的态势,其中第Ⅱ阶梯对整个区域的贡献率最大;四季气温变化的分布与全年类似,除春季外的季节均呈自西向东3级阶梯升温倾向率减小的格局。研究结果对于贵州高原提高应对全球气候变暖的能力具有现实意义,可为该地区合理利用水热资源、制定可持续发展战略提供决策支持。

三峡调蓄前后径流变化的多尺度分析

径流时间序列复杂多变,既存在着非周期成分(趋势、突变等)变化特征,又存在着多尺度的周期变化特征,水文径流的多尺度分析研究具有重要价值。主要利用极点对称模态分解(ESMD)方法,对宜昌水文站多年实测径流量进行模态分解及时频分析,得出不同的时间尺度下,该站径流的趋势、突变及周期变化,进而分析三峡水库调蓄前后的径流变化规律;同时分别利用传统径流分析方法中的Mann-Kendall(M-K)法、小波变换法及希尔伯特-黄变换法三种方法对ESMD法所得结论进行验证。研究结果表明:三峡调蓄前后,不同时间尺度下的径流均存在2003年6月左右的突变点,趋势项上均表现为不显著的递减变化趋势,这表明三峡工程的正式蓄水对径流量产生了较为明显的影响;年、月、日的周期则表现出了一致性,证实了径流研究具有不同尺度上的嵌套性,同时ESMD法在径流多尺度分析上具有较好的应用效果。

基于ESMD与ELM组合模型的地基沉降预测

为提高地基沉降预测精度,结合极点对称模态分解法(ESMD)与极限学习机(ELM)优势提出组合预测模型——MESMD-ELM模型。选取某高速公路地基沉降过程进行实例研究,与ESMD-ELM模型、ELM模型预测结果进行对比,表明MESMD-ELM模型预测精度较高。

混合插值的ESMD在电机轴承故障特征提取的应用

针对极点对称模态分解(ESMD)处理电机轴承故障信号存在局部模态混叠的问题,提出了一种基于有理Hermite插值和三次样条插值改进的ESMD电机轴承故障特征提取方法。由于首先有理Hermite插值可通过控制形状参数来调节插值曲线,将固有模态分量(IMF)的瞬时频率带宽作为的优化准则,采用有理Hermite插值与三次样条插值相结合,既避免了插值耗时过长,又考虑了插值曲线的平滑性;采用自适应权重调整的粒子群算法(PSO)确定每阶IMF的最优形状控制参数,避免陷入局部最优,使得IMF最优,从而提高ESMD自适应性和分解精度。试验结果表明,该方法可有效提取电机轴承故障特征,并有效缓解ESMD模态混叠,与其它方法相比分解效果更好。

基于ESMD熵融合与PSO-SVM的电机轴承故障诊断

为提高电机轴承故障诊断的准确性,提出了一种基于极点对称模态分解算法(Extreme-point Symmetric Mode Decomposition,ESMD)熵融合与粒子群算法(PSO)优化支持向量机(SVM)的诊断方法。首先采用ESMD将故障数据分解获得数个固有模态分量(Intrinsic Mode Function,IMF),根据相关性筛选IMF并计算其多种特征熵;采用核主成分分析(KPCA)用于融合特征熵,增大区分度;利用PSO寻优SVM参数,提高故障识别率。最后通过试验分析表明,该方法可有效提取电机轴承故障特征并精确判别出故障类型,与其它方法相比识别率较高。

基于改进能量熵的ESMD信号检测方法研究

为解决极点对称模态分解(extreme-point symmetric mode decomposition,ESMD)算法存在的端点效应和模态混叠问题,提出了一种基于改进能量熵的ESMD信号检测方法,采用极值对称中点插值来替代ESMD原来的内部极点对称插值,以缓解三次样条插值带来的端点漂移和模态失真,将模态能量相对值和能量熵增量结合来识别虚假模态分量。仿真结果表明,该方法不但能够抑制端点效应,得出信号包含的各频率信号的信息,还可识别虚假模态,达到较好的分解效果,验证了方法的有效性。

变化环境下近60年西江流域径流时空演变特征

气候变化叠加人类活动的双重影响下,西江流域的河川径流发生了不同程度的改变,重新认识和掌握变化环境下的径流时空演变规律对流域的科学管理具有重要意义。基于西江流域干支流7个控制性水文站近60年的日径流资料,综合极点对称模态分解法(ESMD)、Mann-Kendall检验、R/S分析、小波分析等方法,从年代、年、季和年内多个时间尺度对径流的时空演变特征进行分析,研究结果表明:年代尺度下,西江流域径流丰枯交替、变化悬殊,1970s与1990s径流丰沛,2010s径流偏枯,降雨影响着径流的丰枯变化,流域上、中游更易发生干旱与洪涝灾害;春、夏、秋、冬季径流振荡周期依次为2~7、15~20、28~29 a,3~5、7~10、20 a,2~3、6~8、12~15 a和3~8、12~15、20 a,均呈现年际与年代的双重周期特征,IMF1的年际振荡在径流变化中占主导地位;受降雨与水库调蓄作用的影响,年、夏、秋季径流呈下降趋势,预测下降变化具有持续性,春、冬季径流整体呈上升趋势。空间内上游的变化趋势更显著;年和季尺度径流在1980年后突变增多,尤其集中于20002010年间,人类活动与气候变化是造成西江流域突变的主要原因;2000年后,除支流柳州站外,其余站点径流年内分配趋于均匀,月平均径流的变化幅度减小,集中期均向前移,梯级水库群蓄丰补枯作用显著。研究成果可为西江流域的水资源合理开发利用与有效管理提供参考。

毛乌素沙地东南缘植被NDVI时空变化及其对气候因子的响应

了解植被生长对气候变化的响应是厘清生态系统动态关系的重点。基于1990—2018年气象数据和归一化植被指数(NDVI),应用偏相关分析与地理探测器等方法,分析了在生长季,毛乌素沙地东南缘不同类型植被年均NDVI的变化趋势,探讨了年均气温与年总降水量对各类型植被的影响。结果表明:(1)1990—2018年生长季研究区植被年均NDVI显著与极显著增加面积达97.9%,整体生态环境质量大幅度改善。2005年之前植被年均NDVI增速缓慢,此后以0.011·a^(−1)的速率发生了突变增加,其中灌丛类植被年均NDVI增长幅度最大。(2)2000年为年总降水量与年均气温的趋势突变点,突变前年总降水量以-5.510 mm·a^(−1)的速率减少,此后以5.541 mm·a^(−1)的速率增加,且主要依赖于大雨雨量的增加;年均高温与年均低温在突变前上升速率分别为0.122℃·a^(−1)与0.230℃·a^(−1),突变后,年均高温下降速率为-0.014℃·a^(−1),而年均低温上升速率为0.022℃·a^(−1)。(3)在植被年均NDVI缓慢增长阶段(1990—2005年),年均低温对植被影响较大,与不同类型植被年均NDVI多呈显著正相关;在植被年均NDVI快速增长阶段(2006—2018年),年总降水量与不同类型植被年均NDVI呈显著正相关,大降雨事件的频发使得降水量对于植被的生长起主导作用。年总降水量与年均气温尤其是年均低温的交互作用是促进植被生长的关键。

1982—2015年中国北方归一化植被指数(NDVI)变化特征及对气候变化的响应

基于中国北方1982—2015年GIMMS NDVI数据及408个气象站点逐日气象资料,采用极点对称模态分解(ESMD)方法、M K趋势检验、相关分析、趋势分析和极端气候指数,分析了1982—2015年中国北方15个省(自治区、直辖市)植被覆盖时空演变特征及其对气候变化和极端气候的响应。结果表明:1982—2015年中国北方植被NDVI以0.002(10 a)-1速度呈增加趋势(P<0.05),ESMD方法显示生长季NDVI呈波动上升;NDVI显著增加区域包括新疆北部天山及塔里木盆地北缘、甘肃祁连山区及陇南山地、黄土高原和河套平原、辽西低山丘陵一带、吕梁山及太行山区,NDVI显著减少区域主要集中在东北地区大、小兴安岭及长白山一带;从植被类型上来看,植被覆盖增加最多的是栽培植被、草地和荒漠植被;生长季NDVI与温度和降水整体呈正相关且对气温的响应更强烈,NDVI空间分布格局存在异质性;1982—2015年极端气温指数均呈极显著增加或减少趋势,极端降水指数中仅1日最大降水量、异常降水总量呈显著增加趋势;气温极值对NDVI的影响强于降水极值,最低气温和暖夜日数与NDVI关系最密切。

基于SPEI的黄河流域干旱时空格局研究

干旱是对人类社会影响最为严重的自然灾害之一,在中国干旱灾害频发,严重威胁着人们的生存环境.黄河流域是中国各大流域中受干旱影响最严重的区域,所以对黄河流域旱情进行监测尤为重要.文章基于1961~2015年黄河流域124个站点的月值气象数据,以标准化降水蒸散指数SPEI作为干旱指标,应用极点对称模态分解ESMD方法对SPEI序列进行时频周期与趋势分解,运用B-G分割算法进行阶段划分,从干旱年际变化、季节变化、干旱频率和干旱强度等方面对黄河流域及其8个水资源分区的干旱时空格局进行研究.结果表明:(1)近55年来黄河流域的干旱呈显著增加趋势, SPEI倾向率为-0.148 (10a)^(-1),其中兰州至河口镇地区干旱化趋势最为明显(-0.214 (10a)^(-1));(2)黄河流域干旱具有准2.9年、准5年、准10.2年和准18.3年的周期特征,且可划分为3个阶段(1961~1996年、1997~2002年和2003~2015年),对应SPEI均值分别为0.20、-0.71和-0.21;(3)干旱频率从大到小依次为夏季>春季>秋季>冬季,均值分别为71.0%、47.2%、10.2%和6.9%;(4)干旱强度从大到小依次为夏季>春季>冬季>秋季,均值分别为0.93、0.40、0.05和0.04.