共查询到19条相似文献,搜索用时 765 毫秒
1.
2.
3.
4.
5.
《测绘与空间地理信息》2020,(7)
结合青岛某工程大厦实测数据,提出了基于小波去噪的改进灰色-马尔柯夫组合模型,对建筑物进行沉降预测。首先,采用小波变换理论对数据进行小波去噪;然后,利用Matlab建立新陈代谢灰色模型,并对去噪数据进行沉降预测;最后,将新陈代谢灰色模型得到的相关预测值划分为不同的状态区间,再利用马尔科夫模型来确定最终的沉降预测值。结果表明,组合模型的预测精度和预测结果要优于其他两个模型,且其稳定性和可靠性都有很大提高。 相似文献
6.
7.
8.
9.
高铁路基需严格控制工后不均匀沉降。鉴于高铁路基沉降预测值精度受观测噪声和预测拟合函数的影响,本文提出了基于小波函数去噪,对去噪数据进行灰色Verhulst模型预测的方法,并阐述了高铁路基沉降预测评价方法。通过工程实例对比分析了去噪灰色Verhulst模型、GM(1,1)模型、双曲线模型在沉降数据处理中的拟合精度和预测精度。结果表明:GM(1,1)模型拟合精度高,预测精度低,不适用于长期预测;双曲线法预测精度最低,预测曲线不包含路基饱和发展过程;小波去噪灰色Verhulst模型符合高铁路基沉降规律,预测精度高,可以广泛用于路基沉降预测。 相似文献
10.
小波包多阈值去噪法及其在形变分析中的应用 总被引:1,自引:0,他引:1
在GPS变形监测领域,传统的小波去噪只保留低频上的有用信息,很容易去掉中频以及高频上的有用信息。小波包分析方法是近几年发展起来的一种新的小波分析方法,它同时考虑了各个频段上的有用信息,因此是一种更为精细的去噪方法。小波包去噪的关键是对小波包分解系数选取合适的阈值准则并进行阈值处理,但传统的小波包去噪并没有对此进行充分的研究。本文针对传统小波、小波包分析的不足,提出了一种基于频率顺序并依据信息类型分段的多阈值准则小波包去噪法。通过理论分析与实际应用,结果表明新方法能够高效剔除各频段的噪声,同时当采样频率较低时能有效保留去噪信号中频率高达10-1 Hz数量级的有用信息,其去噪能力优于传统的小波、小波包等其它去噪方法,因此可以广泛应用于高精度GPS变形监测领域中。 相似文献
11.
针对边坡的台阶状地形特征是露天矿地形表达的关键和难点问题,该文基于边坡台阶要素的空间关系建立边坡层次关系模型,采用一种逐层加入扩展点和约束线的方法生成扩展约束TIN模型,将某露天煤矿作为实验区,实现了露天矿DEM的动态建模。结果表明:提高了边坡坡面的层级可视化效果,保持了地形结构的完整性,实现了边坡实体单元的分层次表达,能够获得不同水平层次的DEM数据。基于边坡特征分析的分层约束方法为露天矿DEM的构建提供了一种思路,可为边坡监测、灾变分析和灾情预测等领域提供精确的地形数据。 相似文献
12.
EM算法的时序模型在沉降数据处理中的应用 总被引:1,自引:0,他引:1
针对时间序列分析对监测数据中出现的不完全数据(部分数据缺失)无法进行精确建模的问题,该文引入期望极大算法(EM算法),提出EM算法与时间序列分析的组合算法模型。运用EM算法的时间序列分析组合算法模型可以对沉降过程中遇到的不完全沉降数据进行建模分析,该组合算法模型可以对不完全沉降数据进行较为精确的建模,并对后期沉降数据进行较为精确的预测。将某地铁基坑点沉降数据作为实验数据,EM算法的时间序列分析的建模结果表明:所提出的组合算法模型可以对不完全沉降数据进行建模分析,绝对误差为0.23mm,建模精度较高。 相似文献
13.
14.
对露天矿边坡进行实时、精确测量可为边坡提供可靠的预警和治理信息,直接关系到露天矿的生产连续性和效益。地基SAR干涉测量技术(GB-InSAR)是最近10年发展起来的一种相对较新的变形监测技术,具有全天候、全天时的观测特点。而国内针对露天矿边坡变形监测大多处于试验阶段,缺乏长时间连续观测的能力,本文详细地阐述了GB-InSAR的基本原理,并将GB-InSAR得到的变形数据与GIS有机地连接起来,利用GIS强大的空间显示、分析能力,高效、实时、直观地展示变形信息,为露天矿生产提供了有力的决策支持。 相似文献
15.
16.
17.
将小波包分析应用于GPS振动观测数据处理,研究小波包分析在异常值探测、信号特征提取、去噪中的应用。首先对信号分解和单支重构,验证小波包分析探测异常值的能力。针对小波包分析含有丰富的高频信息,采用奇异谱分析方法提取高频部分的振幅和频率。小波包分析的去噪能力优于小波分析。 相似文献
18.
综合运用非线性回归和时间序列分析研究边坡变形 总被引:5,自引:1,他引:5
边坡变形的复杂性决定了运用非线性回归模型很难准确解决边坡变形规律。本文将讨论综合运用非线性回归模型和时间序列分析的方法进行变形预报。即运用非线性模型和其他模型的有机结合和综合运用正确分析和解决边坡变形规律,同时利用时间序列分析方法解决边坡周期性变形规律,并通过某实测边坡上一系列监测点监测资料的分析和研究,证明该方法的可行性。 相似文献
19.
岩体或建构筑物的变形通常具有复杂性和非线性等特性,一般的回归模型难以精确地进行回归预测,应用高斯过程回归理论对变形监测数据呈现出的非线性特征进行时间序列分析。考虑到监测数据的不断更新和累积,以及超参数与样本集的适应性,首先研究了“递进-截尾式”超参数自动更新模式和训练样本集的选择方法;在此基础上构建了以时间作为输入项的高斯过程回归变形智能预测模型(GPR-TIPM);将该模型应用于矿山边坡监测点非线性时间序列分析中,通过分析变形趋势,最终采用Matérn 32和平方指数协方差函数相加的方式进行核函数组合。实验结果表明,采用组合核函数的预测性能较单一核函数有所改善,该方法提高了模型的泛化能力,GPR-TIPM模型在短期内的预测效果较理想。 相似文献