| 题名 | 泥石流声波信号特征与类型识别 |
| 作者 | 胡至华 |
| 答辩日期 | 2020 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 北京 |
| 导师 | 马东涛 |
| 关键词 | 泥石流 声波信号 广义S变换 小波包变换 特征提取 |
| 学位名称 | 硕士 |
| 其他题名 | Characteristics and Type Identification of Debris Flow Acoustic Signal |
| 学位专业 | 建筑与土木工程 |
| 英文摘要 | 过室内泥石流声波模拟实验及野外现场实测同步观测数据，对多组不同类型泥石流声波信号进行有效波形特征提取、初至识别以及机器学习分类算法研究，该研究为泥石流预警预报理论的丰富和发展带来了新思路，对于指导减灾防灾实践和减少工程损失具有现实意义。本论文主要在以下几方面进行了探索和研究：（1）针对泥石流声波信号非线性、非平稳的特点，本文通过引入窗函数参数，提出了广义S变换，该变换可根据信号差异灵活地调节高斯窗函数的宽度，有效的改善了时频分布的分辨率。最后运用MATLAB编译了一套声波信号处理软件，实现了声波信号快速规范化处理，为后续海量泥石流声波信号的处理工作奠定了基础。（2）通过集成经验模式分解法（EEMD）对原始声波信号进行了预处理，利用阈值规则提取了信号的优势分量并重构，采用双尺度盒维数分形算法对重构后的信号进行分析，求得典型稀性、过渡性、粘性泥石流的原始次声信号盒维数值有明显差异，即随容重增加，盒维数值呈下降趋势，据此可以区分泥石流的类型。（3）利用EEMD分解的主分量IMF盒维数值，并将其作为特征值输入最小二乘支持向量机（LS-SVM）分类器进行训练和分类。通过模型训练测试，泥石流类型正确识别率达87%，其中稀性和过渡性泥石流80%，粘性泥石流识别率可达100%。（4）运用小波包变换方法，提取声波信号的频带能量分布特征，以此基于声波信号频率区间和频带能量综合识别不同类型泥石流。结果表明：随着泥石流容重的增加，其声波信号的峰值频率向低频移动。不同类型的泥石流声波信号频带能量分布差异明显，稀性泥石流主要分布在30 Hz以上的较高频段，过渡性和粘性泥石流分布在中低频段。（5）对2000年8月9日蒋家沟实测泥石流声波信号分析发现，该段粘性泥石流声波信号峰值频率10-15 Hz，频带能量主要集中于7.5-15 Hz。实测信号有效的验证了小波包频带分类试验结果，即随着泥石流容重的增加，泥石流声波信号峰值频率、能量分布主要分布于中低频段。 |
| 语种 | 中文 |
| 页码 | 120 |
| 内容类型 | 学位论文 |
| 源URL | [http://ir.imde.ac.cn/handle/131551/55002]  |
| 专题 | 成都山地灾害与环境研究所_山地灾害与地表过程重点实验室 |
| 作者单位 | 中国科学院成都山地灾害与环境研究所 |
| 推荐引用方式 GB/T 7714 | 胡至华. 泥石流声波信号特征与类型识别[D]. 北京. 中国科学院大学. 2020. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论