A debris-flow forecasting method with infrasound-based variational mode decomposition and ARIMA
01摘要
—
次声以其强穿透性和低衰减而闻名，被广泛用于泥石流监测和预警系统。本文提出了一种结合次声变分模态分解和自回归移动平均（ARIMA）模型的泥石流预测方法。利用高精度次声传感器对12种不同的泥石流体积和流速条件进行了实验记录。对检测到的原始信号进行变分模态分解，通过麻雀搜索算法得到最优分解尺度和惩罚因子。采用希尔伯特变换、再缩放距离分析、功率谱分析和Pearson相关系数判断标准对信号进行分离和重构。基于重建的次声信号，构建了预测泥石流次声信号变化趋势的ARIMA模型。结果表明，希尔伯特变换能有效地分离噪声，预测模型的结果落在95%可信区间内。4次实验的平均绝对百分误差（MAPE）分别为4.87%、5.23%、5.32%和4.47%，显示出较好的准确性，为利用次声信号预测泥石流提供了一种选择。
02图表
—
03结论
—
本文探讨了次声测量在泥石流监测中的重要潜力，提出了一种有效预测泥石流次声趋势的方法，取得了良好的效果。主要贡献总结如下。
对泥石流实验装置进行了升级和优化。利用高精度传感器对两个泥石流体积在24种条件下采集次声信号。采用以最小包络熵为适应度函数的麻雀搜索算法对信号进行处理，得到每种条件下的最优分解尺度K和惩罚因子α。
采用VMD-SSA-PCC方法对泥石流次声信号进行多模态分解，分析各IMF分量的时频特征、能量分布和功率谱密度。结果表明，该方法可用于噪声信号的分离和信号的重构。
利用R/S分析方法计算IMF分量的Hurst指数，评估次声信号的行为和未来趋势。然后建立了一个ARIMA模型来预测泥石流次声的未来变化。4次实验的MAPE值分别为4.87%、5.23%、5.32%和4.47%，为泥石流次声信号的预测提供了一种新的方法。
文献求助请加QQ群：964092729
模型试验讨论及咨询请加QQ群：707519607
交流讨论模型试验研究，请加小编微信：18607111060。向大家学习请教
