基于CEEMDAN-BiLSTM网络的雷达功率预测研究OA
随着雷达技术不断发展,准确预测雷达功率对于提升多普勒天气雷达系统性能、维护决策及故障诊断具有重要意义。文中提出了一种基于自适应噪声的完全集成经验模态分解(CEEMDAN)和双向长短时记忆网络(BiLSTM)的雷达功率预测方法。首先,利用CEEMDAN对雷达功率序列进行分解,得到多个固有模态函数(IMF),每个IMF代表信号的不同频率成分。随后,采用BiLSTM模型对每个IMF进行建模,BiLSTM能够有效捕捉时间序列中的长期与短期依赖关系,通过其双向结构增强对历史数据和未来趋势的理解。最后,通过加权平均融合各IMF的预测结果,获得最终的雷达功率预测值。实验结果表明,该方法通过综合考虑雷达功率信号的多层次特征和时序依赖性,在雷达多组功率数据中均表现出较高的预测精度,为雷达系统的健康监测和故障预警提供了有力支持。研究结果表明,基于CEEMDAN与BiLSTM的雷达功率预测方法具有广阔的应用前景和实际价值。
黄磊;孙琰;宫玉辛;张骞;马传成;孙伟佳;赵子龙
山东省气象工程技术中心,山东济南250031 山东省气象防灾减灾重点实验室,山东济南250031山东省气象工程技术中心,山东济南250031 山东省气象防灾减灾重点实验室,山东济南250031山东省气象工程技术中心,山东济南250031 山东省气象防灾减灾重点实验室,山东济南250031山东省气象工程技术中心,山东济南250031 山东省气象防灾减灾重点实验室,山东济南250031山东省气象工程技术中心,山东济南250031 山东省气象防灾减灾重点实验室,山东济南250031山东省气象工程技术中心,山东济南250031 山东省气象防灾减灾重点实验室,山东济南250031山东省气象防灾减灾重点实验室,山东济南250031 济南市气象局,山东济南250102
信息技术与安全科学
雷达功率预测时间序列分析信号分解经验模态分解双向长短时记忆网络
《现代雷达》 2026 (7)
P.49-58,10
山东省自然科学基金资助项目(ZR2021MD121)山东省气象局雷达专项课题(2024sdztly06)黄河流域气象联合开放基金资助项目(HHJJ2026M08)。
评论