第一章引言
随着全球工业化进程的加速，微塑料作为一种新型污染物在水环境中的迁移规律已成为环境工程领域的研究热点。微塑料在水相中的迁移过程伴随着复杂的物理化学变化，其产生的监测信号往往具有非线性、非平稳及强噪声干扰特征，使得传统的信号处理方法难以精准解析其迁移机制。当前国内外学者在探索微塑料迁移路径及动力学模型方面虽取得了一定进展，但在面对复杂的水环境背景噪声时，现有技术仍存在有效特征提取困难、分辨率不足等瓶颈。变分模态分解算法作为一种先进的自适应信号处理技术，能够有效解决模态混叠问题，为解析复杂的迁移信号提供了新途径。本文针对传统算法的局限性，提出改进变分模态分解算法，旨在通过优化信号分解效果，更准确地识别微塑料水相迁移的关键特征，从而为揭示其迁移机制提供可靠的数据支撑与理论依据。
第二章改进变分模态分解（VMD）算法构建及微塑料水相迁移信号预处理
2.1传统VMD算法的局限与改进方向
表1 传统VMD算法局限性与对应改进方向对比表
传统变分模态分解算法在处理微塑料水相迁移信号时存在显著的局限性，主要体现在参数设定缺乏自适应性与抗噪能力不足两个方面。在实际应用中，该算法要求模态数必须预先人为设定，而惩罚因子亦无法随信号特征动态调整，这使得处理非平稳及多源耦合信号时往往陷入盲目。鉴于微塑料水相迁移监测数据具有非线性强且噪声干扰复杂的特点，固定参数难以准确匹配信号动态变化，极易导致模态混叠现象及虚假模态的产生，严重降低了信号解析的精度。因此针对上述缺陷，改进方向致力于构建参数自适应机制，实现模态数与惩罚因子的智能优选，从而在强噪声背景下有效分离信号特征，为解析复杂的微塑料迁移机制提供高质量的数据基础。
2.2自适应惩罚因子与模态数优化的改进VMD算法构建
图 1 改进VMD算法构建流程：自适应惩罚因子与模态数优化
表2 传统VMD算法与改进VMD算法核心参数设置及性能对比
改进变分模态分解算法的构建旨在解决传统方法在处理非平稳信号时参数固定的局限性，其核心在于自适应优化惩罚因子与模态数。针对微塑料水相迁移信号具有非线性和时变性的特点，算法首先引入中心频率局部观察机制，依据信号在分解过程中的收敛情况动态调整惩罚因子，从而有效平衡各模态分量的带宽约束并保留信号细节。同时为避免模态混叠或虚假分量，算法采用样本熵或包络熵作为目标函数，通过遍历搜索最小熵值来确定最佳模态分解数，确保分解结果具备明确的物理意义。在整体迭代计算流程中，算法构建包含二次惩罚项与拉格朗日乘子的变分问题，利用交替方向乘子法不断更新模态函数及其中心频率直至满足预设精度。这种设计不仅提升了信号预处理的自适应能力，更为精准解析微塑料在水相环境中的动态迁移机制提供了可靠的数据基础。
2.3微塑料水相迁移多源监测信号的采集与预处理
微塑料水相迁移多源监测信号的采集是解析其迁移机制的基础前提，需依托于科学设计的实验场景与精准的仪器配置。实验通常在模拟或真实水环境槽体中进行，依据预定的采样频率与持续时间，综合选型高灵敏度光电传感器、声学多普勒流速仪及光谱分析仪，同步获取包含粒子浓度变化、流速波动及光谱反射强度在内的多维异构数据。鉴于监测现场环境复杂，原始信号往往耦合着高频环境噪声及低频基线漂移等干扰成分，严重影响了后续特征提取的准确性。因此采用改进变分模态分解算法对原始监测信号进行预处理成为关键环节。该过程首先依据信号中心频率特性确定分解模态数，通过构建并求解变分约束问题，将非平稳的原始信号自适应地分解为若干个固有模态分量。随后，依据频域分布特征筛选并剔除主要代表噪声与漂移趋势的干扰分量，保留富含微塑料迁移特征的有效模态，最终通过重构获得高信噪比的信号，为深入解析迁移机制奠定可靠的数据基础。
2.4改进VMD算法的信号分解性能验证
图 2 改进VMD算法信号分解性能验证流程
为全面评估改进变分模态分解算法的信号处理效能，本节选取传统变分模态分解算法及经验模态分解作为对照方法，开展对比验证实验。研究采用包络熵、相关系数及分解误差作为量化评价指标，首先针对标准仿真信号进行测试，随后应用于经预处理后的微塑料水相迁移监测信号。通过对分解结果的深入分析发现，相较于传统方法，改进算法能够有效抑制模态混叠现象，显著减少虚假模态的产生。在提取微塑料水相迁移的有效特征方面，该技术展现出更高的准确性与鲁棒性，能够从复杂的背景噪声中精准分离出反映迁移机制的关键信号成分。这一验证过程不仅确认了改进算法在理论层面的优越性，更为后续深入解析微塑料在水相环境中的动态迁移规律提供了可靠的数据基础与保障。
第三章基于改进VMD算法的微塑料水相迁移特征解析
3.1改进VMD分解下的微塑料迁移模态特征提取
图 3 改进VMD分解下的微塑料迁移模态特征提取流程
表3 改进VMD分解下微塑料水相迁移不同模态特征参数统计表
基于构建完成的自适应惩罚因子与模态数优改进VMD算法，对预处理后的微塑料水相迁移监测信号进行分解，旨在从非线性、非平稳的原始信号中剥离出具有物理意义的本征模态分量。这一过程是解析微颗粒复杂运动规律的基础，通过对各分量的深入分析，能够精准提取反映不同迁移行为的特征参数。在具体实施中，需重点计算时域内的峰度、偏度等统计指标以描述波动形态，分析频域内的主频及带宽变化以揭示运动周期性，同时量化各分量的能量熵以评估信号复杂度。随后，对上述多维特征进行严格的筛选与整合，剔除冗余信息，建立对应不同迁移行为的特征集合，从而为后续识别微塑料在水相环境中的动态迁移机制提供可靠的数据支撑。
3.2不同环境因子下微塑料迁移模态的响应规律分析
图 4 不同环境因子下微塑料迁移模态的响应规律分析
表4 不同环境因子下微塑料水相迁移模态的响应特征
3.3微塑料水相迁移的动力机制与路径模型构建
微塑料在水相环境中的迁移过程受多种动力源共同驱动，明确其动力机制是构建迁移路径模型的基础。基于改进VMD算法提取的微塑料迁移模态特征，结合流速、水温等环境因子的响应规律分析，能够有效识别出驱动迁移的主要动力来源，如水流剪切力、重力沉降及布朗运动等。在短距离迁移过程中，微观尺度的流体扰动与颗粒间相互作用起主导作用，而长距离迁移则主要取决于宏观水动力条件与水体输送能力。依据上述动力差异，构建反映微塑料水相迁移过程的路径模型，将各动力要素与迁移路径进行量化对应，建立输入参数与输出轨迹的数学关联。该模型不仅能够通过多尺度数据融合准确模拟微塑料的实际运动轨迹，更通过量化各动力贡献率，阐释了复杂环境条件下微塑料迁移的物理机制，为预测污染物扩散趋势提供了科学的计算依据。
第四章结论
本研究通过构建改进变分模态分解算法，成功实现了对微塑料水相迁移复杂信号的高效解析。该算法有效克服了传统方法在处理非线性、非平稳信号时的模态混叠问题，精准提取了反映微塑料迁移行为的关键特征分量。基于此，深入解析了微塑料在不同水文条件下的迁移规律，揭示了流速波动与颗粒受力之间的耦合机制，阐明了微塑料在水相环境中沉降、悬浮及输移的动态平衡过程。这一成果为微塑料污染的溯源与风险评估提供了新的理论支撑。然而本研究在极端湍流环境下的信号抗干扰能力及大尺度区域迁移模拟方面仍存在一定局限性。未来工作将进一步优化算法的鲁棒性，并结合多源监测数据，探索更为普适的微塑料迁移预测模型，以推动环境监测技术的实际应用发展。