组合EMD、FFT、CWT和ARIMA的地心运动时序预测方法及设备技术

本发明专利技术提供一种组合EMD、FFT、CWT和ARIMA的地心运动时序预测方法及设备，对原始地心运动时间序列进行EMD降噪分析，剔除高频噪声项，获取降噪后的地心运动时间序列；通过快速傅里叶变换及小波变换对地心运动时间序列进行时序分析，包括利用FFT进行时序分析，获取所有频率及对应周期和振幅；利用CWT对地心运动时间序列进行时序分析，获取主要频率成分在时间域上的强度分布，进行去最大周期滤波，获得次频率成分在时间域上的强度分布，以此依次滤波，获取所有频率成分在时间域上的强度分布；基于时序分析结果，采用ARIMA对地心运动时间序列进行预测。本发明专利技术通过更合理的结合去噪、分析方案，并基于分析结果选择预报周期，提供更精确的预报精度。

【技术实现步骤摘要】

本专利技术涉及空间大地测量，具体涉及基于结合经验模态分解、快速傅里叶变换、连续小波变换以及arima模型对地心运动时间序列进行时序分析及预测的技术方案。

技术介绍

1、当前，用于地心运动时间序列降噪的方法主要有kalman滤波、小波变换、奇异谱分析以及经验模态分解等方法，而kalman滤波需要准确的系统模型和观测数据，对系统模型和测量误差敏感，对于复杂的系统和大量噪声的处理可能会变得复杂；小波变换对信号的局部特征不敏感，可能会造成信息损失，对于非平稳信号，需要选择合适的小波基函数和尺度，存在一定的主观性；奇异谱分析对于非线性和非平稳信号的处理能力较弱，在确定信号成分数量和选取主要成分时存在一定的主观性。

2、现有技术中地心运动时间序列分析方法则主要有傅里叶变换、小波变换以及奇异谱分析等方法。其中傅里叶变换结合功率谱分析能够获取整个时间序列中所存在的所有频率及其功率谱密度，但无法观察频率在时间域上的特征。小波变换可以获得时间序列在时频域上的振幅强度，但在结果表现上会出现主频率成分过于强烈而盖住其他频率成分的问题。奇异谱分析假设时间序列是线性的，这本文档来自技高网...

【技术保护点】

1.一种组合EMD、FFT、CWT和ARIMA的地心运动时序预测方法，其特征在于：进行以下处理，

2.根据权利要求1所述组合EMD、FFT、CWT和ARIMA的地心运动时序预测方法，其特征在于：所述获取降噪后的地心运动时间序列，实现方式如下，

3.根据权利要求1所述组合EMD、FFT、CWT和ARIMA的地心运动时序预测方法，其特征在于：所述利用快速傅里叶变换对降噪后的地心运动时间序列进行时序分析，包括在对地心运动时间序列进行快速傅里叶变换后，结合功率谱分析获取功率谱密度，以频率为横轴，功率谱密度为纵轴，绘制曲线图，并识别周期。

4.根据权利要求1所述...

【技术特征摘要】

1.一种组合emd、fft、cwt和arima的地心运动时序预测方法，其特征在于：进行以下处理，

2.根据权利要求1所述组合emd、fft、cwt和arima的地心运动时序预测方法，其特征在于：所述获取降噪后的地心运动时间序列，实现方式如下，

3.根据权利要求1所述组合emd、fft、cwt和arima的地心运动时序预测方法，其特征在于：所述利用快速傅里叶变换对降噪后的地心运动时间序列进行时序分析，包括在对地心运动时间序列进行快速傅里叶变换后，结合功率谱分析获取功率谱密度，以频率为横轴，功率谱密度为纵轴，绘制曲线图，并识别周期。

4.根据权利要求1所述组合emd、fft、cwt和arima的地心运动时序预测方法，其特征在于：对连续小波变换后的时间序列进行去最大周期滤波，获得次频率成分在时间域上的强度分布，实现方式为，在对目标频率进行置零后，进行小波逆变换，获得剔除主要频率的地心运动时间序列。

5.根据权利要求1所述组合emd、fft、cwt和arima的地心运动时...

【专利技术属性】
技术研发人员：魏二虎，俞克豪，吴俊杰，谢清扬，刘经南，
申请(专利权)人：武汉大学，
类型：发明
国别省市：