基于小波神经网络的桥梁变形监测预报

小波神经网络对建筑物变形预报具有较高的模型拟合及预报精度。从小波神经网络算法原理出发,阐述了使用该方法对所获得的桥梁变形监测数据进行模型建立及预报的过程,并利用Matlab实现了编程代码。通过对某桥梁变形监测预报的应用表明,该方法具有很强的可行性和实用性,可及早为桥梁变形预警,避免或减少灾害的发生。     

基于小波分解的动态变形预报

阐述了小波变换和多分辨率分析的基本原理,简要地介绍了离线预报和在线预报两种不同的变形预报方式,并在此基础上提出了基于小波分解的动态变形预报的方法,并通过实际算例证明了这种方法的有效性。     

基于小波变换和支持向量机的大坝变形预测

提出了一种基于小波变换和支持向量机的大坝变形预测方法.通过小波变换把变形时间序列分解成具有不同频率特征的分量,根据各分量的特点构造不同的支持向量机模型进行预测,然后把各分量的预测结果进行重构,作为最终的变形预测结果.实例证明,该方法具有很高的预测精度和较强的泛化能力.     

小波-时序理论支持下的地铁变形监测研究

随着我国城市化建设不断发展,人口急剧增加,城市路面交通拥堵成为常态,因此发展地下交通成为一种趋势,由此引发的地表沉降是值得重视的问题。针对实测数据中含有粗差这一现象,本文以山东省某市地铁工程为例,选取最佳的小波模型对观测数据进行粗差探测,并剔除。分别使用时间序列预测模型对实测数据和降噪后的数据进行预测分析,结果显示两者的预测值都能够满足精度要求,并且小波去噪后的时间序列预测模型精度更高。     

基于小波变换的桥梁风振变形监测数据处理

讨论小波变换应用于变形监测数据的去噪和提取变形趋势、频率特征及突变点的理论方法,并对桥梁风振变形监测数据进行小波分析处理。试验结果表明,小波变换能够很好地完成数据去噪与提取频率项、变形趋势项和检测突变点等信息,数据处理效果显著。     

基于小波模极大值改进算法的变形模型研究

变形监测中获得的观测资料不可避免地存在着噪声,如何从受噪声干扰的数据序列中提取特征信息,提高变形监测的精度是变形监测系统所涉及的关键技术问题之一。本文把小波模极大值与变形监测相结合,给出了改进的小波模极大值变形监测模型。该模型把阈值去噪和Witkin尺度跟踪理论结合,有效恢复了信号。与传统的去噪方法相比,该算法有着更高的精度,提高了信噪比,有更好的去噪效果。     

基于小波变换的建筑物抗浮失效事故变形监测的应用研究

在高层建筑的施工运营阶段,由于城市地下水位的变化及建筑物抗浮设计不合理,地下建筑抗浮失效事故日益增多。为保证抗浮失效事故处理阶段建筑物的安全,对其进行持续的变形监测是十分必要的。本文结合工程项目,对此类事故处理阶段变形监测的组织实施进行整理,利用小波变换对短周期的监测数据进行降噪处理,得到有效数据,通过各方信息分析总结变形监测在高层建筑抗浮失效事故中的应用。     

基于灰色系统理论的高层建筑变形分析应用研究

简述了灰色系统理论及该理论在高层建筑沉降变形监测分析中的应用思路,详细叙述了灰色模型的建模过程[1].实例中,通过某高层建筑物4个监测点的6期观测数据,完成了模型参数的推导,建立了空间多点灰色预测模型.利用所建立的灰色模型对建筑物形变进行预测模拟,经模拟沉降值和实测数据的对比得出,该模型严密、可靠性好、精度高,该方法可...     

基于小波去噪的非等间隔变形监测数据GM(1,1)预测方法研究

在小波去噪和非等间隔GM(1,1)的基础上提出基于小波去噪的非等间隔GM(1,1)组合模型的预测方法,并且通过矿区实测数据模拟实验对三种方法进行对比分析。结果表明,小波去噪的模拟精度高于非等间隔GM(1,1),组合模型的预计精度高于单独使用非等间隔GM(1,1),验证了该方法的实用性和可靠性。     

基于小波变换和灰色模型的变形监测数据分析

变形监测数据中噪声等随机扰动的存在导致传统GM(1,1)模型的预测性能较差,难以满足实际工程应用要求.提出一种基于小波变换和灰色理论的变形监测数据分析方法.首先,根据最小熵准则自适应确定最优小波分解尺度;然后,利用小波变换对变形监测数据进行噪声抑制,消除扰动误差;最后,对噪声抑制后的变形监测数据进行灰度建模,利用GM(1,1)模型对未来形变进行预测.采用两例典型实例对所提小波GM(1,1)模型和传统GM(1,1)模型的建筑物形变预测性能进行对比评估,结果表明所提方法能够获得更高的预测精度,对不同数据的适应性和泛化能力更强,可满足实际工程应用需求.     

小波分析在GPS变形监测数据处理中的应用

阐述了小波变换在变形监测数据处理中的应用方法,将变形监测的数据序列视为不同频率成分组成的数字信号,用MATLAB编程实现小波分析对监测数据的粗差识别、消噪、发展趋势的提取,实例表明,小波分析可以较好地适用于大坝变形监测的数据处理。     

基于小波分析的Kalman滤波动态变形模型研究

对GPS动态形变测量信号的性质进行了分析,采用小波分析对GPS动态变形数据滤波、变形特征提取和不同变形频率分离。与Kalman滤波方法相结合,首次提出基于小波分析的Kalman滤波动态变形分析模型,研究其参数设计和算法,并用MATLAB与C语言在微机上编程实现。对比大坝实测数据的处理结果可知,通过对原始观测值进行小波分析与Kalman滤波的联合处理,能克服只使用单一方法进行GPS数据噪声处理的不足。     

基于小波分析的GPS动态变形数据粗差识别模型研究

基于小波基函数的性质,结合含有少量粗差的GPS形变信号实例,研究粗差特征在小波变换后的不同尺度上的表现规律及粗差位置的确定方法。分析在动态监测数据粗差识别过程中正则性和分解层数对粗差表现的影响,为选择合适的小波函数进行粗差识别提供一定的依据。     

基于小波变换的图像阈值化去噪算法研究

鉴于传统的去噪方法难以在各频域得到很好的兼顾,本文提出一种基于小波变换的去噪方法.通过对图像进行2维离散小波变换(DWT),再根据噪声和图像信号的不同特性,在小波域中,选取适当的阈值对小波系数进行处理,最后进行小波重构(IDWT),得到去噪后的图像.实验表明,该算法具有很好的效果.     

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。