融合新闻影响力衰减的碳价格多元分解集成预测

新闻数据涵盖了与碳价格密切相关的政策、经济和能源等信息,对碳价格的影响具有时效性。为量化新闻影响力的衰减程度,基于词频统计和指数衰减对新闻数据提取特征,提出了1种新闻影响力衰减时间序列的计算方法,新闻的衰减效应更准确地反映新闻对碳价格的影响程度。为提高预测精度,构建了融合新闻影响力衰减的碳价格多元分解集成预测模型,运用噪声辅助多元经验模态分解方法对碳价格和新闻数据进行多元分解,基于样本熵重构分量,使用机器学习方法对分量进行预测,加和集成得到预测结果。以湖北省碳价格为例进行实证分析。结果表明:新闻影响力指数衰减方法能有效刻画新闻与碳价格的相关性,多元分解集成模型表现出优异且稳定的预测性能。

基于噪声辅助多元经验模态分解和多尺度形态学的滚动轴承故障诊断方法

为了从强噪背景中提取滚动轴承微弱故障特征,提出一种基于噪声辅助多元经验模态分解(Noise Assisted Multivariate Empirical Mode Decomposition,NAMEMD)和数学形态学的滚动轴承故障诊断方法。NAMEMD是新提出的一种基于噪声辅助数据分析方法,其克服了集成经验模态分解的模态混淆和运算量大等问题。将NAMEMD与多尺度形态学相结合应用于滚动轴承故障诊断。该方法首先利用NAMEMD将多分量调频调幅故障信号自适应分解为一系列IMF分量;其次,选取能量高的IMF分量求和重构;最后利用多尺度形态学差值滤波器提取信号的故障特征频率。为了验证理论的正确性,进行了仿真试验和轴承故障试验,并与EEMD和包络解调进行了比较,结果表明该方法在进一步降低模态混叠效应的同时,明显提高了运算速度,对滚动轴承外圈、内圈和滚子故障的检测精度更高,能够清晰地提取出故障信号的故障特征频率。

基于噪声辅助多元经验模态分解的海洋三分量磁测数据去噪方法

动态环境下的海洋磁测数据难免会包含复杂多样的噪声干扰,为了便捷有效地恢复真实有效的磁异常信号,提升后续数据处理、反演和解释的可靠性(目的),本文采用了一种完全多元的方法进行多分量数据的同步相关去噪,在考虑各通道间耦合性的同时避免了传统方法分别对每个分量去噪带来的繁琐计算.首先利用噪声辅助多元经验模态分解(Noise Assisted Multivariate Empirical Mode Decomposition,NAMEMD)将一维多分量含噪信号同步分解成一系列多元固有模态函数(Multivariate Intrinsic Mode Functions,MIMF),其次根据多元多尺度样本熵(Multivariate Multiscale Sample Entropy,MMSE)特性判断噪声主导与信号主导MIMF的分界阶数,然后利用马氏距离确定特定阶数MIMF的阈值区间,再对多元信号的同阶分量进行同步阈值处理,最后与高阶分量一同重构得到去噪结果(方法).与单分量去噪方法相比,该方法在模拟含有随机噪声、海浪噪声、粗差干扰的磁测数据去噪仿真试验中取得了更为优异的表现,并且在实测海洋三分量数据中的应用效果也较好,内符合精度从±2.49 nT、±8.72 nT、±4.51 nT分别提升到±0.71 nT、±2.25 nT、±1.04 nT(结果).总之,本文提出的基于NAMEMD-MMSE-马氏距离的去噪方法可有效去除三分量磁测数据中包含的噪声,值得在其他多分量数据去噪处理中进行推广与应用(结论).