基于EEMD分形和LS-SVM的次聲信號識別泥石流類型

作者：胡至華,袁路,馬東濤,胡雨豪,李梅

摘要：基于無接觸的泥石流次聲信號的有效波形特征提取識別不同類型的泥石流及預警泥石流規模、危害是國內外泥石流研究的新方向。本研究利用室內實驗采集到的65次稀性、過渡性和粘性泥石流次聲信號數據,采用集成經驗模式分解(EEMD)對次聲信號進行分解,提取本征模態函數(IMF)主分量,對比分析了原始信號和主分量信號STFT分布的時頻特性差異,計算了主分量IMF盒維數值,并將其作為特征值輸入最小二乘支持向量機(LS-SVM)分類器進行訓練和分類,初步實現了基于次聲分形特征指標識別泥石流類型。研究表明:(1)通過對EEMD重構的主IMF分量信號進行短時傅立葉變換(STFT)時頻分析后,主分量信號具有優良的時頻聚焦性能,提升了信號識別的準確性和精度;(2)稀性、過渡性和粘性泥石流的原始次聲信號盒維數值分別為1.625、1.578和1.519,利用次聲盒維數值可以識別泥石流的類型;(3)通過LS-LSVM模型訓練測試,正確識別率達87%,其中稀性和過渡性泥石流為80%,粘性泥石流為100%。本研究利用次聲特征指標無接觸判識了泥石流類型,為次聲自動識別、監測和預警泥石流災害做了積極探索。

發文機構：中國科學院、水利部成都山地災害與環境研究所 中國科學院大學 成都城投建設集團有限公司 中煤科工集團重慶設計研究院有限公司 中國地質大學（北京）

關鍵詞：泥石流類型次聲EEMD分形STFTLS-SVMdebris flowtypeinfrasoundthe Ensemble Empirical Mode Decomposition(EEMD)fractalthe Short-Time Fourier Transform(STFT)the Least Squares Support Vector Machines(LS-SVM)

分類號： X43[環境科學與工程—災害防治]