基于 MATLAB 与小波进行沉降数据处理与分析

结合小波分析的基本原理和MATLAB强大的数据处理能力与图形拟合能力,采用了小波时间序列预测模型与MATLAB中自带的拟合工具箱来进行沉降数据的拟合,并将该方法应用于黄冈市某大桥软土路基沉降监测的预测工作中。然后,对两种拟合方法进行了预测效果对比。从所得的结果表明：小波处理后的模型具有抗差干扰和粗差探测、剔除的优点,同时使用曲线拟合工具箱的拟合模型比常规模型更方便快捷且预测的效果也很高,两种模型结合使用会较大地增加其应用价值。     

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。     

基于MATLAB的高层建筑沉降变形监测数据处理

曲线拟合是变形监测数据处理与分析的常用方法。以济南某高层住宅楼的沉降变形监测为实例,首先介绍沉降变形监测方案,然后根据高层建筑的沉降变形特点,经综合分析比较,采用对数模型对监测数据进行曲线拟合,以MATLAB 7.0为平台编程实现并对建筑的沉降变形进行预报,结果表明该模型对高层建筑的沉降变形数据的处理具有显著的优越性。     

MATLAB工具箱在测绘数据处理中的应用

本文主要介绍了MATLAB工具箱的特点和功用。根据其在测绘领域的作用,对两个实例进行了分析,取得了良好的效果。相比其它编程工具,使用MATLAB工具箱大大简化了编程工作,同时获取了较高的数据处理精度,值得在测绘领域广泛应用。     

建筑物沉降监测数据处理与分析

2010年北京市朝阳区教委下属芳草地小学、青年政治学院附中、东方德才学校和建院附中四所学校改扩建。随着校舍基础挖槽深度与日俱增,基坑及其周边建筑物的沉降安全也越来越引起各方关注,我单位受朝阳区教委委托对其下属的四所学校改扩建工程过程中进行沉降监测。分为:沉降观测、数据处理、成果数据分析。     

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。     

基于北斗卫星导航系统的地下车库深基坑沉降监测与分析

为评估北斗变形监测系统(BDS变形监测系统)在施工干扰环境下的变形监测效果,本文将BDS变形监测系统应用于西安市东郊某地下车库深基坑工程的沉降监测,得到了施工期及工后期的沉降监测数据,根据小波降噪原理对监测数据进行了平滑降噪,并将BDS变形监测系统与水准监测数据进行了对比分析,最后对该场地深基坑的最终沉降量进行了预测。结果表明,施工干扰会导致BDS变形监测系统监测数据在一定波长范围内含有大量噪声,但通过小波降噪法对含噪声数据进行5层分解后,可得到平滑的沉降监测数据,且处理后的数据与水准监测数据的平均相对误差低于10.3%;基于降噪后数据采用修正的Gompertz函数预测得到该场地最终沉降量范围为100～110 mm。相关成果可为BDS变形监测系统在类似工程中的应用提供参考。     

小波神经网络在隧道施工沉降预测中的应用

为了尽量减小由隧道开挖引起的地面沉降而带来的风险,需要在隧道施工过程中可靠地预测地表的变形量。该文采用改进的方法来选择平移和伸缩因子的初始值,利用小波神经网络分析预测隧道施工中的地表沉降量,并在预测中考虑了地表平均压力、盾构机平均穿透深度、填充泥浆度等外界因素对地表沉降的影响。结果表明,利用改进的方法来选择初始的平移和伸缩因子,提高了函数的逼真性能,并减小了估计误差。     

基于MATLAB的灰色系统沉降预测

介绍基于MATLAB的灰色系统沉降预测的实现方法。     

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。     

地铁隧道结构沉降监测数据处理与分析系统的设计与实现

根据运营期地铁监测数据处理分析过程特点,讨论分析了地铁隧道结构沉降监测数据处理分析理论与方法,对地铁结构沉降监测数据处理与分析系统的设计与实现进行了深入研究,经某地铁监测实际应用表明该系统具有较好的实用性和较高的可靠性,为类似系统提供了借鉴.     

小波时间序列在地铁沉降监测中的应用

本文结合小波理论和时间序列的基本原理,提出了小波时间序列模型,并应用于某市地铁沉降的预测中,将其结果与常规时间序列模型对比,表明该模型具有在粗差探测、剔除等方面的优点,同时比常规模型预测更具应用价值。     

小波分析桥梁变形监测数据处理

本文针对桥梁变形监测数据噪声的特点,选取了合适的小波基函数,利用小波分析理论对变形监测数据进行粗差探测和去噪处理;研究了桥梁变形监测数据在小波分解高频系数下的细节特征和突变点,变形监测数据噪声的特点以及对桥梁变形监测数据的影响。通过分析发现,噪声较大的点通常出现在下沉周期中的个别拐点上,为桥梁的安全信息化施工提供指导。     

高精度GPS城市沉降监测网的数据处理与精度分析

为了研究用GPS观测取代常规的水准测量方法来监测城市沉降变化的可行性，在宁波市建立了有7个点组成的GPS基准网和14个点组成的GPS监测网。在观测中采取了一定的措施，以获得高精度的高程分量。用Bernese软件对数据进行处理时顾及到对流层延迟的影响，采用Saastamoinen模型，获得了mm级的高程精度，这将有助于提高沉降监测的效率。     

自适应卡尔曼滤波高铁沉降观测数据处理模型研究

在介绍国内外高铁沉降数据处理方面的研究现状的基础上,依次阐述了包括回归分析法、人工神经网络、灰色系统理论和时间序列分析法在内的经典沉降数据处理方法,着重讲解了标准卡尔曼滤波理论及其相关公式,介绍了两种自适应卡尔曼滤波理论:方差分量估计AKF、方差补偿AKF。本文针对某具体工程实例,分别基于MATLAB平台编写了一套标准卡尔曼滤波程序和一套自适应卡尔曼滤波程序,并运用程序对其作了相关分析。通过对比分析,证明了自适应KF的优越性,并得到一套在处理实际问题时具有一定可行性的模型。     

基于小波分析回归模型的大坝监测数据处理

为了克服回归模型的一些缺点,将小波分析引入到回归模型里面,建立一种混合模型。本文通过介绍回归模型和小波变换,建立小波回归的混合模型,介绍建模的流程,通过小波变换来优化监测数据,再得到回归模型的估计函数。通过与回归模型的比较分析,说明这种混合模型较优的分析效果,更好的预测精度。     

基于数字水准仪的沉降监测数据处理与分析系统研制

数字水准仪在沉降监测中的应用大大提高了外业作业效率,但每种数字水准仪的数据不同,需要用不同的软件来进行数据提取,本文针对这一问题,以Visual C++为平台,开发了通用的数字水准仪内存记录数据的自动提取和数据处理。软件实现了从原始数据到成果文档的自动化处理,包括数据提取、平差处理、自动生成水准手簿、数据入库和变形分析,提高了内业数据整理的效率和准确性。     

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。     

高精度GPS城市沉降监测网的数据处理与精度分析

为了研究用GPS观测取代常规的水准测量方法来监测城市沉降变化的可行性,在宁波市建立了有7个点组成的GPS基准网和14个点组成的GPS监测网.在观测中采取了一定的措施,以获得高精度的高程分量.用Bernese软件对数据进行处理时顾及到对流层延迟的影响,采用Saastamoinen模型,获得了mm级的高程精度,这将有助于提高沉降监测的效率.     

基于时间序列分析的露天矿边坡沉降预测模型

结合小波分析在数据处理方面的优势,采用小波包去噪对露天矿边坡沉降数据进行去噪处理,再结合时间序列分析理论建立小波包-时间序列预测模型,从而对露天矿边坡进行变形分析预测。通过实验数据对比分析,结合小波包去噪与时间序列分析理论模型对露天矿边坡沉降数据进行预测,预测精度较高,能够对矿区边坡的沉降进行预测。