典型文献
基于经验模式滤波与循环神经网络的水锤压力信号预测
文献摘要：
为准确预测水锤信号变化规律,实现对水锤冲击强度和能量等特性的提前预判,针对水锤冲击信号提出了一种基于经验模式分解(empirical mode decomposition,EMD)和循环神经网络(recurrent neural network,RNN)的模型预测方法.首先,通过EMD获取具有不同频率的IMF分量,根据水锤信号的频域特性剔除高频噪声分量并重构信号以实现滤波,滤波后信号能量损失不足0.1％;进而,建立了基于RN N模型的时间序列预测模型,搭建试验平台获取水锤冲击信号,完成了RN N模型的训练和参数调节;随后,对不同流速下水锤冲击信号进行序列预测,在测试集与训练集流速不同条件下,得到了准确的预测结果,表现出一定泛化能力.对比分析预测水锤信号与实际信号,得到R2系数大于0.9900,幅值和能量损失不足1％,验证了所提出方法的正确性,主要结论和建模方法可为各类输水系统的风险评估、管路监测和健康管理提供理论指导和技术手段.
文献关键词：
水锤压力信号;循环神经网络;深度学习;经验模式分解;时间序列预测
中图分类号：
作者姓名：
张博;徐卓飞;李小周;毛振凯;郭鹏程
作者机构：
中国电建集团西北勘测设计研究院有限公司,陕西 西安710065;西安理工大学水利水电学院,陕西 西安710048
文献出处：
引用格式：
[1]张博;徐卓飞;李小周;毛振凯;郭鹏程-.基于经验模式滤波与循环神经网络的水锤压力信号预测)[J].排灌机械工程学报,2022(11):1120-1125
A类：
水锤压力信号
B类：
基于经验,循环神经网络,信号预测,准确预测,冲击强度,冲击信号,经验模式分解,empirical,mode,decomposition,EMD,recurrent,neural,network,RNN,模型预测方法,不同频率,IMF,频域特性,高频噪声,重构信号,信号能量,能量损失,时间序列预测模型,试验平台,取水,参数调节,测试集,训练集,集流,不同条件下,泛化能力,分析预测,输水系统,管路
AB值：
0.319825
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
