沉降数据序列分析方法研究

针对沉降数据序列的特征,研究了多项式回归方法、小波降噪方法、频谱分析法在沉降数据处理中的应用.多项式回归残差和小波降噪残差统计指标对比表明:在趋势项分离过程中,小波降噪方法优于多项式回归方法.小波降噪的残差频谱分析结果表明了沉降数据序列在2个月和4个月的周期性信息.     

地表垂直变形序列的多尺度特征分析

基于Morlet小波变换的方法对地表沉降数据序列进行多尺度特征分析，主要是周期性信息的多尺度描述。展现了沉降序列的频率特征在时域上的表现。小波变换能够清晰的给出不同尺度的强弱和分布情况以及沉降变化的趋势和突变点，以某矿的工业广场10个月19期2周等时间间隔的沉降数据序列为俐。分析了沉降数据中显含2．1和4．1个月的主周期信息。说明小波变换在沉降数据序列的分析中具有优越的性质。     

地表垂直变形序列的多尺度特征分析

基于Morlet小波变换的方法对地表沉降数据序列进行多尺度特征分析,主要是周期性信息的多尺度描述.展现了沉降序列的频率特征在时域上的表现.小波变换能够清晰的给出不同尺度的强弱和分布情况以及沉降变化的趋势和突变点,以某矿的工业广场10个月19期2周等时间间隔的沉降数据序列为例,分析了沉降数据中显含2.1和4.1个月的主周期信息.说明小波变换在沉降数据序列的分析中具有优越的性质.     

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.     

智能全站仪动态测量数据序列分析方法研究

针对智能全站仪在诸如FAST等尖端科学实验中的广泛运用,对全站仪动态测量数据序列特征进行分析的基础上,提出综合运用回归分析去除运动趋势项、小波降噪减弱偶然误差项和频谱分析提取系统误差项等方法对动态测量数据进行处理,从而可以获得仪器进动跟踪带来的系统误差频率,在合作目标运动角速度为128 pps时系统进动误差频率为0.2～0.4 Hz,并与理论分析结果相比较,比较结果说明该方法实用有效,有一定应用价值.     

基于小波分解的差分灰色神经网络-AR模型及其在地铁隧道沉降预测中应用研究

提出了一种基于小波分解的差分灰色神经网络-AR模型。该方法利用小波分解,将监测数据中稳定性较好的低频序列利用差分灰色神经网络进行预测,消除了由于灰色预测残差不平稳而导致的预测误差;对呈现平稳序列的高频数据采用自相关强的AR时间序列模型进行预测,并对上述结果进行小波重构得到最终的预测结果。结合某地铁隧道的实测沉降数据,与灰色模型GM(1,1)、差分灰色神经网络模型进行对比,结果表明:本文提出的基于小波分解的差分灰色神经网络-AR模型精度更高,能够对隧道沉降监测作出更加准确的模拟和预报。     

基于灰色Verhulst模型的建筑工后沉降预测

根据灰色系统理论、Verhulst模型和建筑工后沉降规律,建立建筑工后沉降灰色Verhulst预测模型,给出模型精度评定方法和残差修正预测模型,并提出非等时距沉降序列的Lagrange多项式等时距插值转换方法。通过工程实例计算分析,取得较好的效果。     

小波时变参数PGM(1,1)模型的工程应用研究

首先阐述了小波去除数据噪声的方法及小波模型的选取问题,然后对GM(1,1)模型背景值生成序列进行改进,采用搜索法确定背景值最佳生成系数.考虑到模型中的灰参数会随时间而变化,采用多项式逼近模型灰参数,并通过最小二乘方法求解多项式的系数,最后形成了小波时变参数PGM(1,1)模型同时采用Runge-Kutta方法求解.通过武成城际铁路沉降监测数据的计算分析表明,小波时变参数PGM(1,1)在高铁沉降预测中具有较高的精度.     

基于时间序列分析的变形预报

研究了利用时间序列分析方法进行变形预报。首先叙述了变形观测数据预处理、时间序列平稳性检验、模型的选用和检验;然后针对一组实测数据,利用多项式提取趋势项,分析回归残差,建立了AR(2)预报模型,并利用模型进行了预报;最后将预报结果与实测数据比较,证明了预报模型的有效性。     

基于时间序列分析的变形预报

研究了利用时间序列分析方法进行变形预报.首先叙述了变形观测数据预处理、时间序列平稳性检验、模型的选用和检验;然后针对一组实测数据,利用多项式提取趋势项,分析回归残差,建立了AR(2)预报模型,并利用模型进行了预报;最后将预报结果与实测数据比较,证明了预报模型的有效性.     

小波分析去噪在腰沙围垦变形监测中的应用

由于受到许多复杂因素影响,沉降监测过程中所得到的信号数据可能会含有噪声。Matlab中小波分析功能能够对信号数据中的噪声信号进行有效的分解,最后重构处理后的信号。通过实例对比,选用合适的去噪方法和去噪函数,对信号数据进行处理,最后能够得到更适合的最优估计。     

小波阈值去噪法在矿区地表变形监测数据处理中的应用

为了解决矿区地表变形观测数据中含有的粗差对地表沉陷规律研究带来的不利影响,提出了采用小波阈值去噪法对原始观测数据进行处理。分析了小波阈值去噪的基本过程,讨论了小波阈值函数,并对两种阈值函数进行了对比;使用Matlab小波工具箱对观测数据进行分析并建立回归曲线,与地表实测沉陷值进行了验证。结果表明:相比常用的数据处理方法,小波阈值去噪法能有效消除粗差对变形结果的影响,实现了矿区高精度、动态的地表变形监测,具有较高的推广价值。     

利用窗口小波去噪的高精度动态单历元定位算法

为提高动态单历元定位的精度和实现实时处理,提出了一种利用窗口小波去噪的高精度动态单历元算法。该算法首先利用常规单历元方法获得观测值残差,在当前历元右侧通过数据延拓来改善端部效应的影响,然后利用窗口小波对当前历元观测值残差去噪,通过交叉证认实现小波去噪分解层数的自适应选取,最后利用去噪后得到的较为干净的观测值实现最终定位。实验结果表明,与常规单历元定位相比,在不同的运动情况下,该方法的定位精度均有较大的提高,与小波后处理结果一致。     

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。     

小波去噪的灰色动态模型在变形预测中的应用

针对GM(1,1)模型对随机波动性较大的数据拟合较差、预测精度低的缺点,提出了基于小波去噪的灰色动态模型。首先运用小波滤波消除数据噪声,使数据更具规律性;再利用灰色动态模型预测变形;最后对高层建筑物沉降监测数据的预测值与实测值进行对比分析。结果表明,该模型的预测误差较小、精度较高,适合在变形预测中应用。     

Wavelet packets based denoising method for measurement domain repeat-time multipath filtering in GPS static high-precision positioning

Repeatable satellite orbits can be used for multipath mitigation in GPS-based deformation monitoring and other high-precision GPS applications that involve continuous observation with static antennas. Multipath signals at a static station repeat when the GPS constellation repeats given the same site environment. Repeat-time multipath filtering techniques need noise reduction methods to remove the white noise in carrier phase measurement residuals in order to retrieve the carrier phase multipath corrections for the next day. We propose a generic and robust three-level wavelet packets based denoising method for repeat-time-based carrier phase multipath filtering in relative positioning; the method does not need tuning to work with different data sets. The proposed denoising method is tested rigorously and compared with two other denoising methods. Three rooftop data sets collected at the University of Nottingham Ningbo China and two data sets collected at three Southern California Integrated GPS Network high-rate stations are used in the performance assessment. Test results of the wavelet packets denoising method are compared with the results of the resistor–capacitor (RC) low-pass filter and the single-level discrete wavelet transform (DWT) denoising method. Multipath mitigation efficiency in carrier phase measurement domain is shown by spectrum analysis of two selected satellites in two data sets. The positioning performance of the repeat-time-based multipath filtering techniques is assessed. The results show that the performance of the three noise reduction techniques is about 1–46 % improvement on positioning accuracy when compared with no multipath filtering. The statistical results show that the wavelet packets based denoising method is always better than the RC filter by 2–4 %, and better than the DWT method by 6–15 %. These results suggest that the proposed wavelet packets based denoising method is better than both the DWT method and the relatively simple RC low-pass filter for noise reduction in multipath filtering. However, the wavelet packets based denoising method is not significantly better than the RC filter.     

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。     

三种GNSS高程时序降噪方法的效果对比分析

为了探究经验模态分解(EMD)、整体经验模态分解(EEMD)和小波降噪三种方法的降噪性能,以中国区6个国际GNSS服务(IGS)站高程分量的5?a、10?a和20?a时序数据为例,对它们的降噪结果进行比较分析.?首先利用线性拟合分离趋势项,并采用3σ准则剔除异常值,得到满足符合降噪要求的样本序列;然后分别用这三种方法分...     

时序数据去噪中的小波策略及评价指标

引入评价时序数据去噪效果的均方根变化量、互相关系数、信噪比及平滑度4项指标,分析了不同小波策略的去噪效果与指标间的关系。结果表明,不同于小波分解重构阶段,小波策略阶段的去噪均方根误差与4项指标存在正相关趋势,且归一化后的综合指标与去噪均方根误差归一化值存在0.95的正相关性,在实测时序数据分析中,可用归一化后的综合指标代替未知的去噪均方根误差来评价去噪效果,并以去噪残差分布作为去噪可靠性定性指标。