當(dāng)前位置：水工業(yè)網(wǎng) > 解決方案 > 水文序列小波分析中分解層數(shù)選擇方法
水文序列小波分析中分解層數(shù)選擇方法
文件大小：1.36MB
格式：pdf
發(fā)布時間：2014-02-13
瀏覽次數(shù)：次
| 【中文關(guān)鍵詞】 | 水文序列 小波分解層數(shù) |
| 【摘要】 | 在詳細(xì)分析和定量描述不同類型噪聲的能量分布規(guī)律的基礎(chǔ)上，依據(jù)水文序列中確定成分和噪聲成分的能量分布規(guī)律的差異，提出了一個小波分解層數(shù)選擇方法。 |
| 【部分正文預(yù)覽】 | 水文時間序列是研究和解決隨機(jī)水文水資源學(xué)問題的重要依據(jù)和基礎(chǔ)， 因此揭示水文序列的組成和變化特性具有重要的實際意義。小波分析方法（waveletanalysis, WA）是研究水文序列多時間尺度變化特性的有效工具[1-2]。但序列小波分解、小波消噪等小波分析過程中存在一個關(guān)鍵問題: 小波分解層數(shù)（decompositionlevel, DL）合理選擇。實際中，若DL 選擇偏小，低頻子序列仍是多個時間尺度上信號的混疊， 不利于水文序列組成識別、序列模擬預(yù)測等工作，且由于序列能量壓縮不明顯，也會影響小波消噪結(jié)果，無法有效去除噪聲；反之，當(dāng)DL 選擇過大時，較大分解層上會產(chǎn)生一些缺乏物理意義的虛假信號，不利于序列分析，同時會增加水文序列模擬預(yù)報等工作的計算量， 且會造成誤差累積等問題[3]。因此，研究DL 選擇方法對提高水文序列小波分析結(jié)果具有重要意義。 目前信號小波分析中確定DL 時， 常用的方法是通過自相關(guān)分析對各層小波系數(shù)進(jìn)行白化檢驗[4]。但用于水文序列分析時，存在以下幾個問題：①信號小波分析中一般認(rèn)為噪聲服從正態(tài)分布， 而水文序列含有的噪聲成分常表現(xiàn)出偏態(tài)分布特性[5]，這會影響白化檢驗結(jié)果；②對噪聲進(jìn)行小波分解時，較大分解層上常會產(chǎn)生一些自相關(guān)性較好的子信號[6]，這會與真實信號混淆， 使白化檢驗結(jié)果和DL 選擇結(jié)果容易出現(xiàn)偏差；③由于實測水文序列長度往往較短，因此DL 選擇時存在較大誤差和不確定性； ④不同水文序列受噪聲污染的程度不同（即信噪比不同），因此消噪時所用的DL 也應(yīng)不同。而白化檢驗的實質(zhì)是識別確定成分，當(dāng)真實序列相同但噪聲含量不同時， 得到的DL 結(jié)果相同，這不合理。特別是序列受噪聲污染較嚴(yán)重時，依據(jù)白化檢驗確定的DL 結(jié)果偏小，不能有效地消噪；不同水文序列的組成和變化特性存在差異，因此合理的DL選擇結(jié)果也應(yīng)不同。為準(zhǔn)確合理地選擇小波分解層數(shù)，需要針對上述各問題進(jìn)行分析和探討， 進(jìn)而建立適合于水文序列分析的DL 選擇方法。 |
|
||
|
【打印本頁】 |
||
|
