eemd在雷暴日趋势特征分析中的应用
, PP. 601-606
Keywords: 雷暴日,eemd,hht变换,白噪声,香港
Abstract:
？首先利用整体经验模态分解算法（eemd）对加入高斯白噪声后的香港地区雷暴日时间序列进行本征模态函数（imf）分解；其次对各imf分量进行hilbert变换，提取雷暴日波动特征参量，并给出雷暴日序列的hilbert谱和边际谱；最后对各雷暴日imf分量进行显著性检验。结果表明：香港地区近67a雷暴日序列可分解为1项趋势项和5个中心频率不同的imf分量，其中能量主要集中在0.35~0.5hz和0~0.05hz频段；通过分析imf能量谱密度-周期分布，得出雷暴日变化周期为2.8a左右的年际变化和25a左右的代际变化为主要变化周期，其次是4.5和7.1a左右的年际变化为次要变化周期，从趋势项可知香港地区雷暴日呈波动上升趋势。eemd算法可较好地用于雷暴日趋势特征分析。
| [1] | 王学良，余田野，朱传林，等．我国中部五省雷暴日时空分布特征[j]．热带地理，2013，33（1）：13-20．
|
| [2] | 刘梅，魏建苏，俞剑蔚，等．近57年江苏省雷暴变化趋势特征分析[j]．热带气象学报，2010，26（2）：227-234．
|
| [3] | 程向阳，谢五三，刘岩，等．安徽省近50年雷暴的时空变化特征及影响因素[j]．长江流域资源与环境，2012，21（1）：117-121．
|
| [4] | 吴安坤，周龙，丁旻．近60年香港地区雷暴日数变化特征分析[j]．科技经济市场，2012（10）：8-11．
|
| [5] | huangne，shenz，longsr，etal．theempiricalmodedecompositionandthehilbertspectrumfornonlinearandnon-stationarytimeseriesanalysis[j]．proceedingsoftheroyalsocietyoflondon，seriesa：mathematical，physicalandengineeringsciences，1998，454（1971）：903-995．
|
| [6] | wuz，huangne，wallacejm，etal．onthetime-varyingtrendinglobal-meansurfacetemperature[j]．climatedynamics，2011，37（3/4）：759-773．
|
| [7] | wuz，huangne．ensembleempiricalmodedecomposition:anoise-assisteddataanalysismethod[j]．advancesinadaptivedataanalysis，2009，1（1）：1-41．
|
| [8] | huangne．anewviewofnonlinearwaterwaves：thehilbertspectrum[j]．annualreviewoffluidmechanics，2003，31（1）：417-457．
|
| [9] | 谭善文．多分辨希尔伯特-黄（hilbert-huang）变换方法的研究[d]．重庆：重庆大学，2001．
|
| [10] | 时世晨，单佩韦．基于eemd的信号处理方法分析和实现[j]．现代电子技术，2011，34（1）：88-90，94．
|
| [11] | 钟佑明，秦树人，汤宝平．希尔伯特黄变换中边际谱的研究[j]．系统工程与电子技术，2004，26（9）：1323-1326．
|
| [12] | wuz，huangne．astudyofthecharacteristicsofwhitenoiseusingtheempiricalmodedecompositionmethod[j]．proceedingsoftheroyalsocietyamathematicalphysical&engineeringsciences，2004，460（2046）：1597-1611．
|
| [13] | 邵骏，吕孙云，钱晓燕，等．基于总体经验模态分解的水文序列多尺度分析[j]．华中科技大学学报：自然科学版，2011，39（11）：105-108，124．
|
| [14] | 王兵，李晓东．基于eemd分解的欧洲温度序列的多尺度分析[j]．北京大学学报：自然科学版，2011，47（4）：627-635．
|
Full-Text
