基于经验模式滤波与循环神经网络的水锤压力信号预测

作     者：张博 徐卓飞 李小周 毛振凯 郭鹏程 ZHANG Bo;XU Zhuofei;LI Xiaozhou;MAO Zhenkai;GUO Pengcheng

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 

基　　金：国家自然科学基金资助项目(51839010) 清洁能源与生态水利工程研究中心项目(QNZX-2019-05) 新疆水专项(2020.C-001) 陕西高校青年创新团队项目(2020-29) 

出 版 物：《排灌机械工程学报》 (Journal of Drainage and Irrigation Machinery Engineering)

年 卷 期：2022年第40卷第11期

页      码：1120-1125页

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RNN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RNN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R^(2)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.

主 题 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 

学科分类：082802[082802] 08[工学] 0828[工学-建筑类] 09[农学] 0815[工学-矿业类] 0903[农学-动物生产类] 

核心收录：

D　O　I：10.3969/j.issn.1674-8530.21.0321

馆 藏 号：203115481...