小波变换和BP神经网络模型在沉降变形监测中的应用研究

变形预测在预报工程险情方面起着关键性的作用,针对施工中需及时、准确地预测变形的问题,本文利用小波变换原理对监测数据进行降噪处理,并采用BP神经网络分析不同训练样本下的预测效果和精度水平。实验结果表明:基于小波消噪后的BP网络模型,以连续的近期观测数据作为训练样本,对下期变形预测精度高,效果好,相对误差很小。因此,小波变换和BP神经网络模型在沉降变形监测工程中能作为预测研究与应用的参考。     

锦绣馨园地基沉降监测和预测

沉降量是建筑物施工期间及竣工后地基变形的一个重要指标.结合工程实例,详细介绍高层建筑地基沉降变形监测方法和注意事项,并采用指数曲线3点法预测最终沉降量.     

灰色-小波神经网络支持下对地铁工程沉降变形的预测

变形监测是安全化工程施工和管理的重要内容,贯穿于项目的设计、施工和运行,对监测的沉降数据进行处理,并预测沉降量,提前对工程作出安全预警,有很重要的实际意义。本文基于GM(1,1)灰色模型、小波分析和神经网络结合的相关理论,借助Matlab软件编程,建立了灰色-小波神经网络变形预测网络模型。结合工程实例,将建立的变形预测网络模型应用于累积沉降量观测数据,结果表明组合模型具有很稳定的预测效果,比单独的GM(1,1)灰色模型预测准确度高,且训练样本越多,预测越符合实际情况。     

小波神经网络模型在高层建筑物沉降预测中应用研究

为了提高变形监测数据预测的精度与可靠性,以及提高人工神经网络预测方法的稳定性,尝试将小波分析与BP神经网络相结合的小波神经网络应用于高层建筑物沉降监测数据处理中。综合小波分析与神经网络算法的优点,将良好的时频局域化特性和神经网络理论的自学习功能相结合,建立高层建筑物的小波神经网络变形预测分析模型。通过实验数据对比分析,小波神经网络用于高层建筑物沉降预测数据处理中可以得到更好的预测效果,预测稳定性及预测精度较高。     

回归分析在大桥沉降监测预测中的应用

在对多期桥梁沉降变形监测数据预处理、观测数据粗差剔除方法分析研究的基础上,提出了基于代表性沉降数据、采用回归分析法对大桥沉降形变进行预测的方法,并在东明黄河公路大桥沉降变形监测项目中得到了成功应用,结果验证了该方法的有效性,研究结论可为桥梁变形监测数据处理及预测预报提供借鉴。     

基于Kalman滤波的高耸建筑物沉降预测模型研究

为了提高高耸建筑物沉降监测数据的可信性与实时预测的准确性,利用小波分析与Kalman滤波在数据处理方面的优势,采用小波分析先对沉降数据进行去噪,并采用Kalman滤波理论进行预测。通过实验数据的对比分析,结合小波去噪分析与Kalman滤波理论对原始沉降变形量进行沉降预测,能克服只使用单一Kalman滤波方法进行沉降预测中噪声处理的不足,验证了小波分析及结合Kalman滤波理论进行沉降预测的可行性,且预测精度比较高。     

基于小波去噪的地铁沉降监测分析

地铁等大型工程施工过程引起的地表及其周边建筑物的变形及变形趋势分析,对于确保城市及工程安全极为重要。研究有关沉降监测方法及可靠性分析,估计地表及其周边建筑物可能产生的变形,对周边建筑物的安全,以及工程本身顺利实施有着重要的现实意义。本文将沉降观测数据序列作为带有白噪声数字信号,采用小波多孔算法进行了监测数据的去噪处理,取得了较好的效果。同时论文提出采用分段拟合的方法进行数据拟合,用对数函数曲线来描述土体沉降较快的第二阶段变形趋势,变形预报较为准确。     

商务楼深基坑工程的监测分析

文章以某商务楼深基坑工程施工为例,介绍基坑工程的变形监测的内容,并结合监测数据,分析深基坑护壁变形的规律及深基坑施工对周边建筑物沉降的影响。作者认为:在基坑开挖过程中对基坑护壁和周边建筑物进行有针对性的必要的监测,可以保证基坑护墙工程的安全、基坑开挖施工的安全和周边建筑物的安全。     

静力水准在某基坑沉降监测中的应用及误差分析

静力水准自动化监测系统是一种高精密液位量测系统,用于测量基础和建筑物各个测点的相对沉降。通过静力水准在某深基坑工程变形监测中的应用实例,充分体现静力水准监测系统的实用性和优越性;但是在实际测量中,由于受气压、温度、施工振动等因素的影响,静力水准系统不同连通器液体密度会发生变化进而导致系统精度大大降低。分析压力、温度、振动等因素对监测结果的影响,总结静力水准系统的应用经验,提出不同影响因素的误差修正方法。静力水准具有自动化性能好、精度高、数据量丰富等优点,在工程监测中将发挥重大作用。     

SSA-小波神经网络支持下的地铁沉降变形预测

沉降变形监测中,研究如何对监测的沉降数据进行处理,预测沉降量,对可能出现的安全隐患做出预判有着很重要的实际意义.本文基于神经网络模型、小波分析和奇异谱分析(singular spectrum anal-ysis,SSA)的相关理论,构建起SSA-小波神经网络变形预测模型,并将模型应用于地铁工程沉降预测中.针对地铁监测数...     

灵武市体育中心沉降监测分析

根据相关规范,对灵武市体育中心建设过程进行沉降监测,通过监测结果得到沉降量和沉降速率随时间的变化趋势并进行预测分析,得到该建筑物的沉降变形规律,用于了解工程安全情况。     

小波神经网络模型在高铁路基沉降预测中的应用研究

为了提高变形监测数据预测的精度与可靠性,提高神经网络预测方法的稳定性,尝试将小波分析与BP神经网络相结合的小波神经网络应用于高铁路基处的沉降监测数据处理中。综合小波分析与神经网络算法的优点,建立松散型及紧致型小波神经网络预测分析模型。通过实验数据对比分析,验证了采用紧致型小波神经网络预测模型能够较好地用来处理路基的动态变形监测数据,预测稳定性及预测精度较高。     

建筑物沉降监测方案设计及数据处理

通过对某学校图书馆变形监测,阐述了变形监测的方法和意义。主要包括变形监测网的布设、测量方法的选取、监测数据的处理,以及建筑物的沉降分析。然后在EXCEL软件上绘制建筑物的沉降趋势图,并且预测分析平均观测量和每个点位。     

基于小波变换与ARMA模型的建筑物沉降预报

对建筑物进行沉降监测并预报其变化趋势,能有效保障建筑物的安全性。本文提出一种基于小波变换的ARMA模型用于建筑物沉降预报。利用小波多尺度分析将沉降监测数据分解为高频信号和低频信号,并分别采用ARMA模型进行预测,然后将各序列预测结果进行合成,得到最终预测结果。并以青岛市某高层建筑物监测数据为例,分别采用传统ARMA模型以及基于小波变换的ARMA模型进行预报对比分析,结果表明基于小波变换的ARMA模型取得了较高的预报精度。     

InSAR技术支持下的高速铁路沿线沉降监测与预测

针对盘营铁路专线、哈大铁路专线沿线沉降监测研究较少,采用InSAR技术获取了研究区地表形变信息,还对其进行了相关分析.用SBAS-InSAR对35景Sentinel-1A SAR数据进行处理,获取VV、VH极化下的年均沉降速率及沉降序列;以年均沉降速率为研究对象,进行沿线沉降特征分析及交叉验证;利用小波变换对沉降序列降噪处理,用改进BP神经网络对降噪后沉降序列预测分析.研究结果表明,研究区内高速铁路沿线共监测出6个明显沉降区域,最大沉降速率达50mm/a;两种极化年均沉降速率具有较高的一致性,降噪处理后的沉降序列更加平滑;改进BP神经网络具有较高的收敛速度,其预测精度有较大提高.     

基于小波去噪的灰色模型在变形监测中的应用

灰色模型可在"贫信息"的条件下发现变形观测数据中的规律,但不能去除数据中噪声的影响;而小波分析可有效识别并剔除变形监测数据中的噪声(误差),使变形规律更加明显;结合两种方法的优势能增强数据分析的可靠性,提高预测精度.将小波去噪与灰色模型相结合,研究了该分析方法在高铁隧道变形监测中的应用,并得到了较可靠的预测结果.     

SSA-Elman神经网络模型在建筑物沉降预测中的应用

为了提高建筑物沉降变形预测精度,最大限度地减少监测数据中非变形噪声分量对预测结果的影响,本文在Elman神经网络模型的基础上引入奇异谱分析方法,构建新的SSA-Elman神经网络模型。首先利用SSA方法提取沉降监测数据中的趋势分量与周期分量,剔除噪声分量,提高监测数据信噪比;其次通过Elman神经网络模型分别对趋势分量、周期分量进行预测,得到对应分量预测结果;最后重构趋势分量与周期分量预测结果得到最终预测结果。通过实测建筑物沉降数据分别对Elman神经网络模型与SSA-Elman神经网络模型进行建模与预测,结果表明,SSA-Elman神经网络模型的预测精度更高,更适应长周期预测。     

GPS动态监测数据优化分析及变形特征的提取

GPS变形监测系统中的监测点的观测资料是与时间有关的信号序列,本文研究应用小波分析优化流程,结合苏通大桥GPS变形监测系统获取的监测点数据序列进行分析。结果表明,选择合适的小波基函数,对数据信号进行小波分解与重构,可以有效地从受到强噪声干扰的监测数据序列中提取有用的特征信号,较好解决了传统处理技术对GPS动态观测数据去噪以及特征信息提取的局限性。     

基于Savitzky-Golay平滑-小波降噪处理的桥梁结构监测数据分析方法

桥梁结构健康监测源信号数据存在毛刺、噪声及异常值等复杂情况,对信号数据分析、桥梁结构状态评估结果产生巨大偏差。本文提出了解决桥梁结构监测数据处理中复杂问题的系统性方法。首先,通过对比研究Savitzky-Golay(SG)滤波与信号平滑方法,并评价各方法的适用性;然后,基于复合评价指标量化选出最优小波基函数及最佳小波分解尺度;最后,采用卡尔曼滤波对同一监测项目的4个应变计数据进行融合,并用Monte Carlo仿真进行验证。研究表明,本文提出的SG平滑-小波降噪方法,可为桥梁健康监测数据处理提供较为全面、系统的参考。     

老采空区地表沉降监测工程实践与资料分析

针对老采空区地表沉降的不确定性,通过监测方案的设计与实施,采集数据预处理对某一矿区进行分析,利用surfer软件得到了六个监测点的三维线框图并进行渲染。对监测工程资料进行平差处理,得到了各个观测量的精度指标。针对变形监测数据的变化特点,使用AR(p)模型进行编程,主要依据时间序列分析的建模步骤,将建模步骤中的数学公式转换为MATLAB编程语言然后使用编写的程序对变形观测数据进行分析,用前面多期监测数据建立数学模型,并对后面几期进行沉降预测,同时与实测值进行比较分析,用以检验时间序列预测的准确性。