文章-世纪中文出版社

张娴1 朱月仙1 李姝影2 许轶1 《中国科学研究》 2020年5期

摘要:

美国吉利德科学公司(Gilead Sciences,Inc.)在研药物瑞德西韦(Remdesivir)在针对美国首例新型冠状病毒肺炎(COVID-19)确诊病例的试验性治疗中迅速表现出临床症状缓解效果。吉利德公司旋即声明提供Remdesivir用于试验性治疗,以支持应对新型冠状病毒感染暴发。2020年4月29日,中美三个临床试验研究团队同时发布了不同的研究结论,再度引发全球热议。本文检索了吉利德科学公司Remdesivir专利,对其专利市场布局概况及主要技术内容进行了分析,重点研究了其中国专利保护情况。结果表明,吉利德科学公司相关专利技术保护严密、市场布局主动、运营潜力巨大,值得国内新药研发企业借鉴。

基于小波改进阈值去噪与EMD的滚动轴承故障诊断研究下载：79 浏览：478

张珂邢金鹏《中国机械研究》 2018年6期

摘要:

针对传统阈值去噪方法在处理轴承故障信号时存在的不足,提出了基于小波改进阈值去噪与经验模态分解(Empirical Mode Decomposition,EMD)的滚动轴承故障信号的分析方法。为改善小波去噪产生的信号振荡和失真问题,构造了适用于滚动轴承振动信号的非线性阈值函数,并将其用为滚动轴承故障信号的噪声过滤器。采用经验模态分解将去噪后的信号分解成若干固有模态函数(Intrinsic Mode Function,IMF),并用统计分析的方法提取出谱峭度值、各固有模态函数与去噪信号之间的互相关系数最大的分量。最后,为了在频域内提取到故障特征频率,对抽取到的固有模态分量进行包络分析。仿真数据分析和模拟实验数据分析表明,所提方法可有效地提取轴承故障特征频率,实现轴承的故障诊断。

基于EMD-ARIMA模型的边坡位移分析与预测下载：12 浏览：147

王江荣刘硕靳存程刘静芳《工程与技术研究》 2020年10期

摘要:

针对波动性大、规律性差且含噪声的高速公路边坡位移监测时间序列,提出了一种基于经验模态分解技术(EMD)和自回归移动平均(ARIMA)相结合的预测算法,基本思想为"数据分解-数据预测-数据合成"。通过对重庆奉云高速公路247 d边坡位移监测数据的预测和分析,表明EMD-ARIMA具有较高的精度,好于单一ARIMA模型,可为工程建设及防灾减灾提供技术指导。

基于EEMD和LSTM的短期风速预测模型研究下载：49 浏览：400

陆冰鉴1 周鹏1 王兴1,2 周可1 《软件工程研究》 2020年5期

摘要:

由于风具有较强的阵性和局地性,影响因子较多,利用机器学习相关技术进行风速的预测,往往会受这些影响,降低预测的准确率,特别是对于瞬时大风的预测,准确度普遍不高。针对上述问题,提出一种基于集合经验模态分解法(EEMD)和长短期记忆神经网络(LSTM)相结合的短期风速预测模型,该模型采用EEMD将风速序列分解为多个频域相对稳定的子序列,进而改善经验模态分解法(EMD)模态混叠现象,再采用LSTM构建预测模型,实现短期风速预测。该方法与其他预测方法相比,预测的精度更高,误差更小,验证了本文预测方法的可行性和有效性。

抑制EMD端点效应的改进算法研究下载：63 浏览：239

董宝伟1 钱秋亮1 邵馨叶1，2 邵建龙1 《数据与科学》 2020年8期

摘要:

经验模态分解(EMD)是处理非线性非平稳信号的有效方法,但是在分解过程中存在端点效应,导致数据处理发生畸变,信号会失真。文章在平行延拓算法上改进了抑制EMD端点效应的算法-平行极值均值延拓。文章在平行延拓算法上进行极值平均后延拓,经仿真的分析结果表明,算法能够有效地抑制端点效应,并减少了模态分解个数和算法后处理时间。

基于补充的集合经验模态最优降噪整形算法下载：81 浏览：475

董宝伟1 钱秋亮1 邵馨叶1，2 邵建龙1 《数据与科学》 2020年7期

摘要:

为了准确提取噪声干扰的脉冲信号,本文基于补充的集合经验模态分解的最优降噪整形算法,算法基于固有模态函数构建不同的带通滤波器和方波整形,并依据均方误差、线性相关度和目标函数值指标来建立最优降噪整形算法的判断指标。采用脉冲信号、调幅调频信号和高斯白噪声信号合成数值模拟信号进行仿真实验,本算法能够准确地提取脉冲信号,表明数值模拟仿真实验成功,可应用于提取受噪声干扰的单位脉冲信号。

我国出口国内增加值驱动因素的影响效应数据挖掘研究下载：35 浏览：236

邢光远冯宗宪《当代管理》 2018年12期

摘要:

本文在相关研究以及欧盟第7框架计划项目支持编制的世界投入产出表(WIOD)的基础上,完成不同国家1996到2011年出口国内增加值变化率Va和出口总额变化率Vs的测算。基于EMD数据分解我国Vs和Va的年增长率发现,Va的趋势RES就是Vs的IMF3分量,揭示出口增加值的增长速度由开始加快在2004年达到高峰后开始回落,呈现偏倒U型特征;Va的IMF1和IMF2分量与Vs的IMF1和IMF2分量变化态势完全一致。借助引力模型测算发现,Vs IMF1和GDP直接关联d I的相关系数为0.652,Vs IMF2和贸易成本变化率的相关系数为-0.447,给出Va的IMF1、IMF2分量的驱动因素分别是GDP和贸易成本。研究结论对于准确识别我国出口国内增加值驱动因素及其效应提供了支撑技术和决策依据。

局部放电信号中白噪声干扰抑制方法研究下载：61 浏览：268

闫江宝1，2 张长胜1 谭向宇2 张少泉2 《数据与科学》 2018年12期

摘要:

针对局部放电高频信号中干扰信号抑制策略进行研究,因真实原始的局部放电无法确定,故采用MATLAB仿真模拟信号进行模拟放电,并通过4个评估标准来评价白噪声干扰抑制方法中奇异值分解、小波变换和EEMD等干扰抑制方法的优劣性,另外提出一种基于EEMD分解的频率切片小波抑制白噪声干扰的离线数据处理方法。

基于EEMD-GRU-MLR的短期电力负荷预测下载：88 浏览：486

邓带雨1 李坚1 张真源1 滕予非2 黄琦1 《电网技术研究》 2020年5期

摘要:

针对电力负荷随机性较强,预测精度不高的问题,通过构建集合经验模态分解(ensembleempiricalmode decomposition,EEMD)以及门控循环单元神经网络(gated recurrent unit neural network,GRU)和多元线性回归(multiple linearregression, MLR)组合而成的EEMD-GRU-MLR(EGM)预测方法,有效提高了电力负荷短期预测精度。首先通过集合经验模态分解将电力负荷数据分解为频率由高到低的不同本征模态函数(intrinsicmodefunctions,IMF),不同频率的本征模态函数分量代表了电力负荷不同的部分特征,随后分别使用多元线性回归方法和GRU神经网络方法对低频部分和高频部分进行快速准确的预测,最后将所得各预测结果组合后得到完整的预测结果。EGM预测方法不但能够对电力负荷的变化趋势进行有效预测,而且能够准确预测随机性较强的局部特征。最后通过实验验证,该方法有效地提高了负荷预测精度。

基于变分模态分解的风电场风速降噪研究下载：52 浏览：422

许杏花潘庭龙吴定会《建模与系统仿真》 2019年2期

摘要:

风电预测是在现有数据基础上进行的,风电中采集到的风速数据夹杂着不同类型的噪声,为提高预测精度,需要进行降噪处理。传统的EMD(Empirical mode decomposition)降噪方法存在模态混叠现象,为了提高降噪效果,提出采用变分模态分解来进行降噪。变分模态分解是一种新的分解方法,具有良好的抗噪性,且不存在模态混叠现象。为深入研究该方法在降噪上的应用,对江苏某风电场的数据进行了降噪处理,对其分解重构,有效滤除了噪声,并将其降噪效果与EMD进行对比分析,验证了该方法的有效性。

基于SIFT的改进人脸识别算法下载：69 浏览：478

陈新义《计算机研究与应用》 2018年11期

摘要:

SIFT算法对发生旋转、平移、仿射变换后的图像匹配具有很好的效果,同时具有较强的稳定性和鲁棒性。由于快速EMD距离相比欧氏距离在计算特征直方图匹配时更加准确,提出结合快速EMD距离与SIFT的人脸识别算法,改进原有算法的匹配策略,使用快速EMD距离代替欧氏距离计算特征点间的相似性。在YALE人脸库上的实验表明,改进的人脸识别算法比原有算法具有更高的识别率并且对人脸图像的旋转、遮挡、一定程度的仿射变换等复杂情况下有更好的鲁棒性。

风暴作用下浅水波浪的MEEMD分析下载：76 浏览：481

胡泰桓曾春华朱道恒李志强《海洋研究》 2019年1期

摘要:

利用MEEMD(Median Ensemble Empirical Mode Decomposition)对2018年16号热带风暴期间琼州海峡青安湾破波带波面数据进行分析,得到了波面的内在模态函数(Intrinsic Mode Function,IMF)以及对总方差的贡献,并比较了收集到的原始数据和相应的希尔伯特边际谱.结果发现:①风暴能量增强阶段,波浪结构中各成分波的波能均得到了较大增强,对波浪能量的贡献主要集中在高频、低频两侧波段;但风暴减弱阶段,波浪结构中波能分布表现为高频高能、低频低能的特征.②风暴能量减弱,破波带长重力波频带能量迅速衰减.③相对风暴距离不同、相对风暴方位不同,其波浪结构各成分波频幅不同,具体表现为:研究区域相对风暴前进路径方位不同,距风暴中心距离不同时,距离更远的低频模态频率更大,低频模态能量更小;距风暴中心距离相同,相对风暴前进路径方位不同时,向岸风状态的波浪较高模态波能量更大;相对风暴前进路径方位相同,距离不同时,模态频率变化表现为距离更近的各模态频率更低、波浪能量更大.

	在线客服
	客服电话：400-188-5008
	客服邮箱：service@ccnpub.com
	投诉举报：feedback@ccnpub.com

	在线客服：：点击联系客服
	联系电话：：400-188-5008
	客服邮箱：：service@ccnpub.com
	投诉举报：：feedback@ccnpub.com