《表2 各分量的游程总数Tab.2 The Total Number of Runs for Each Component》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《大坝变形的去噪傅里叶模型预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由图3可知，EMD将大坝变形序列分解为2个IMF和1个残余分量T，使各分量变化曲线比原来变形曲线（图2）更光滑和平稳。显然，EMD可以降低其非平稳性，有利于模型的建立和分析。但IMF1频率较高，存在明显的突变现象。由表1可知，IMF1分量与原始数据的相关系数为0.007 1，显然，IMF1分量与原始数据相关性很小，因此它们是噪声信号和干扰信号；IMF2和T相关系数分别为0.929 9和0.768 5，均大于IMF1分量的相关系数，且分量IMF2+T相关系数为0.996 9，表明分量IMF2+T与原始数据具有很高的相关性，可视为实际位移的逼近信号。因此，可剔除含噪声的高频分量IMF1，对剩余分量建立傅里叶预测模型。但由于分量个数较多，会增加建模次数。因此，有必要采用游程判定法对剩余分量进行波动程度分析。各分量的游程总数如表2所示。