發(fā)布時間：2021-03-10 05:33

　　本研究依托國家自然科學基金（41572347）“泥石流次聲預警機制及降低誤報率的算法研究”項目。通過室內泥石流聲波模擬實驗及野外現場實測同步觀測數據,對多組不同類型泥石流聲波信號進行有效波形特征提取、初至識別以及機器學習分類算法研究。本論文主要在以下幾方面進行了研究和探索:（1）針對泥石流聲波信號非線性、非平穩(wěn)的特點,通過引入窗函數參數,提出了廣義S變換。該變換可根據信號差異靈活地調節(jié)高斯窗函數的寬度,有效的改善時頻分布的分辨率。最后運用MATLAB編譯了一套聲波信號處理軟件,實現了聲波信號快速規(guī)范化處理,為后續(xù)海量泥石流聲波信號的處理奠定了基礎。（2）通過集成經驗模式分解法（EEMD）對原始聲波信號進行了預處理,利用閾值規(guī)則提取了信號的優(yōu)勢分量并重構,采用雙尺度盒維數分形算法對重構后的信號進行分析,求得典型稀性、過渡性、粘性泥石流的原始次聲信號盒維數值有明顯差異,即隨容重增加,盒維數值呈下降趨勢,可以區(qū)分泥石流的類型。（3）利用EEMD分解的主分量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。通過模型訓練測試,泥石流類型正確識別率達87%... 

【文章來源】：中國科學院大學(中國科學院水利部成都山地災害與環(huán)境研究所)四川省

【文章頁數】：118 頁

【學位級別】：碩士

【部分圖文】：

典型

第1章緒論5圖1.2泥石流野外觀測系統(tǒng)(Cuietal.,2018)Fig1.2Debrisflowfieldmonitoringsystem1.2.2聲波監(jiān)測技術的研究現狀20世紀以來，人們發(fā)現在地震(Sabotetal.,1998)、火山(Johnsonetal.,2011)、雪崩(Vilajosanaetal.,2007,Marchettietal.,2015)、海嘯(Pichonetal.,2005)、流星(EversandHaak,2003)、滑坡(Surinachetal.,2005,朱星,2014)、崩塌（(Zhuetal.,2017)、泥石流(章書成,1989,Hübletal.,2013,劉敦龍,2015,何德偉,2008)等自然災害事件中都會輻射不同類型的次聲波。不同的災害現象和事件都會產生不同特征的次聲信號量，一切物體的摩擦、振動、碰撞都會產生聲波（圖1.4）。次聲波是一種低于人耳聽覺范圍（即頻率低于20Hz）的聲波記錄，頻率范圍0.01～20Hz，在標準溫度和壓力情況下，在大氣中的傳播速度和聲波一樣，均為344m/s。而且在大氣中可以中能傳播很長的距離，幾乎不衰減，這是由于大氣對聲波的選擇性吸收—高頻（>20Hz）比低頻更容易吸收(Pilgeretal.,2009)。即使遇到高山

泥石流聲波信號特征與類型識別8次聲陣列對2012年發(fā)生在愛達荷州的一次雪崩進行了分析，提出了一種新的技術來獲得高時空分辨率的速度估計，該方法在次聲陣列距離雪崩路徑較近且背方位角變化較大的情況下，能夠較好地估計運動源的速度(Havensetal.,2015)。StephanieMayera利用次聲探測系統(tǒng)對阿爾卑斯山脈雪崩活動進行探測，然后將系統(tǒng)自動識別的事件與肉眼觀察到的雪崩數據集進行比較。在觀測到的839次雪崩中，只有3%與自動探測有關，21%的自動探測得到了現場觀測的證實。然而，大多數觀測到的雪崩都很小，大多數自動探測發(fā)生在能見度低的時期。此外，探測概率隨雪崩大小而增大，隨距離而減小，隨雪崩類型而變化。干雪雪崩通常比濕雪雪崩和混合型雪崩更容易被發(fā)現。距離陣列3公里以內的大規(guī)模雪崩（約300米寬，1000米長）通常都能被很好地探測到，誤報率估計為13%。許多研究表明雪崩會產生地震和低頻次聲。圖1.3雪崩振動信號示意圖(Kogelnigetal.,2011)Fig1.3Schematicdiagramofavalanchevibrationsignal自20世紀70年代以來，通過探討雪崩次聲信號特征(Biescasetal.,2003,Suriachetal.,2017)和雪崩速度、能量的估算(Vilajosanaetal.,2007)，這對于雪崩的監(jiān)測和預警系統(tǒng)一直是國際學術界的熱點。Marchetti(2015)在分析奧地利Ischgl地區(qū)小孔徑陣列記錄的次聲信號基礎上，提出了基于陣列波導參數，將雪崩視作次聲源，定義了雪崩自動識別的閾值標準。Perez利用安裝在野外試驗場的傳感


本文編號：3074136