【摘要】：实测水文序列由于各种因素的干扰，不可避免地含有系统噪声和测量噪声。因此在应用水文时间序列数据建模之前，应首先对序列进行消噪处理。（一）小波消噪原理对于某一实测水文序列x，一般由两部分构成：一部分是有助于人们了解水文现象特性的有用序列s，s通常表现为低频信号或一些较平稳信号；另一部分是阻碍人们了解和掌握s特性的噪声序列e，e通常表现为高频信号。
实测水文序列由于各种因素的干扰，不可避免地含有系统噪声和测量噪声。噪声淹没了水文序列的真实变化规律，若采用含有噪声的水文序列进行分析计算，将影响数据的可靠性和数据分析成果的精度。因此在应用水文时间序列数据建模之前，应首先对序列进行消噪处理。
（一）小波消噪原理
对于某一实测水文序列x（t），一般由两部分构成：一部分是有助于人们了解水文现象特性的有用序列s（t），s（t）通常表现为低频信号或一些较平稳信号；另一部分是阻碍人们了解和掌握s（t）特性的噪声序列e（t），e（t）通常表现为高频信号。小波分析可以有效地分离高频和低频信号。根据不同信号在小波变换后所表现出的不同特性，对小波分解序列进行处理，再将处理后的序列进行重构，就可以实现信噪分离[1]。
（二）小波消噪步骤
目前，小波消噪的主要方式是采用20世纪90年代Donoho等人提出的阈值消噪方法（DonohoDL，1995）。实测水文序列x（t）＝s（t）＋e（t）。设X 为x（t）的小波变换，则Do_noho非线性阈值消噪方法的主要步骤为[1，2]：(www.xing528.com)
（1）对序列x（t）进行N 层小波变换，求得X；
（2）采用硬阈值或软阈值处理方法对变换系数进行阈值处理；
（3）计算小波变换的逆变换，进行小波重构，得到消噪序列s（t）。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
