基于EEMD分形和LS - SVM的次声信号识别泥石流类型

doi:10.16089/j.cnki.1008-2786.000539

CORC > 成都山地灾害与环境研究所 > 中国科学院水利部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

	基于EEMD分形和LS - SVM的次声信号识别泥石流类型
	胡至华 2,3; 袁路 4; 马东涛 2; 胡雨豪 5; 李梅 1
刊名	山地学报
	2020
卷号	38 期号:4 页码:619-629
关键词	泥石流类型次声 EEMD分形 STFT LS-SVM
ISSN号	1008-2786
DOI	10.16089/j.cnki.1008-2786.000539
其他题名	Identification of Debris Flow Types by Infrasound Signals Based on EEMD Fractal and LS-SVM
产权排序	1
文献子类	Article
英文摘要	基于无接触的泥石流次声信号的有效波形特征提取识别不同类型的泥石流及预警泥石流规模、危害是国内外泥石流研究的新方向。本研究利用室内实验采集到的65次稀性、过渡性和粘性泥石流次声信号数据,采用集成经验模式分解(EEMD)对次声信号进行分解,提取本征模态函数(IMF)主分量,对比分析了原始信号和主分量信号STFT分布的时频特性差异,计算了主分量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,初步实现了基于次声分形特征指标识别泥石流类型。研究表明: (1)通过对EEMD重构的主IMF分量信号进行短时傅立叶变换(STFT)时频分析后,主分量信号具有优良的时频聚焦性能,提升了信号识别的准确性和精度; (2)稀性、过渡性和粘性泥石流的原始次声信号盒维数值分别为1.625、1.578和1.519,利用次声盒维数值可以识别泥石流的类型; (3)通过LS-LSVM模型训练测试,正确识别率达87%,其中稀性和过渡性泥石流为80%,粘性泥石流为100%。本研究利用次声特征指标无接触判识了泥石流类型,为次声自动识别、监测和预警泥石流灾害做了积极探索。
语种	中文
CSCD记录号	CSCD:6822414
内容类型	期刊论文
源URL	[http://ir.imde.ac.cn/handle/131551/55062]
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
通讯作者	马东涛
作者单位	1.中国地质大学(北京) 2.中国科学院水利部成都山地灾害与环境研究所中国科学院山地灾害与地表过程重点实验室; 3.中国科学院大学; 4.成都城投建设集团有限公司; 5.中煤科工集团重庆设计研究院有限公司;
推荐引用方式 GB/T 7714	胡至华,袁路,马东涛,等. 基于EEMD分形和LS - SVM的次声信号识别泥石流类型[J]. 山地学报,2020,38(4):619-629.
APA	胡至华,袁路,马东涛,胡雨豪,&李梅.(2020).基于EEMD分形和LS - SVM的次声信号识别泥石流类型.山地学报,38(4),619-629.
MLA	胡至华,et al."基于EEMD分形和LS - SVM的次声信号识别泥石流类型".山地学报 38.4(2020):619-629.