非等间距GM(1,1)模型背景值优化方法在沉降预测中应用

基于初始条件、背景值等是灰色建模精度和适应性的重要影响因素,本文针对非等间距GM(1,1)模型中的背景值进行了优化改正,提出一种带有适应因子λ的背景值构造方法。根据灰色模型的一次累加生成序列的近指数特征计算了模型发展系数a与适应因子λ。结合实例,与非等时距GM(1,1)的初始条件优化模型对比分析,结果表明经过优化背景值的非等时距GM(1,1)模型有效地提高模拟预测精度,同时也适用于等间距模型,具有较强的适用性。     

混沌时间序列相空间重构及特性识别

相空间重构是混沌时间序列分析及预测的前提。针对地铁建设中地表沉降变形监测的弱信号数据处理问题,该文引入了混沌理论,通过采用自相关函数法和C-C法对比求得时间延迟τ,运用G-P方法和Cao方法求取嵌入维数m,从而对时间序列进行相空间重构;并通过求取最大Lvyapunov指数对时间序列进行混沌特性的判定识别。研究结论表明,系统的混沌特性,在研究地铁变形监测、运用混沌理论建模预测以及变形监测数据处理方面是值得重视的。     

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。     

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。     

地表移动GPS实时监测技术

根据ＧＰＳ定位原理,实施了ＧＰＳ实时监测矿山地表移动与变形技术,并用地表岩移分析软件输出了地表移动实时变形曲线,使我们更加清楚地认识了地表移动的真实性。     

基于分形插值的桥梁桥墩沉降预测

基于某跨海大桥桥墩的沉降资料,使用重标极差(R/S)分析方法说明桥墩沉降的非线性下隐藏的持续性特征,并计算其分形维数,证明该沉降时间序列具有分形特性。由此通过历史数据建立迭代函数系统,经分形插值方法求取吸引子,并在吸引子基础上进行延拓,建立基于分形插值的预测模型,并将此算法应用于桥墩沉降数据的预测中。算例结果表明,分形插值理论具有较高的预测精度,可满足实际应用要求。     

基于自适应kalman滤波的高铁桥梁变形预测应用研究

针对传统卡尔曼滤波中动态噪声不准或难以确定等原因而导致模型估计值与真实值不符合,甚至滤波发散现象,已不足以满足高铁变形分析要求。本文采用两种自适应滤波方法优化这一问题,即方差分量估计自适应卡尔曼滤波与方差补偿自适应卡尔曼滤波。采用后验差检验法对比分析两模型精度并进行相关系数评估,结合某高铁段实测数据的处理分析,结果表明:方差补偿卡尔曼滤波模型更优于方差分量估计卡尔曼滤波模型。     

混沌理论支持下的桥梁变形监测研究

针对桥墩的非线性下沉问题,引入了混沌理论。采用改进的C-C算法计算时间序列的时间延迟τ,采用改进的G-P算法计算最佳嵌入维数m,进行相空间重构,并与传统算法对比抗干扰性,计算效率等得到了改善,运用Lvyapunov指数判别该时间序列的混沌特性;最后根据所求参数建立加权一阶局域预计模型和RBF神经网络混沌预计模型,分别对观测数据进行预计分析,将混沌时间预测结果与指数平滑法预测结果进行对比分析。得出混沌时间预测精度高于指数平滑法预测精度,RBF神经网络混沌预计模型的预计精度最高,证明混沌时间序列预计精度可靠,能够实时对桥身变形进行监测,避免灾害的发生。     

基于改进的áTrous小波与IHS变换法遥感影像融合

对áTrous小波分解后的图像高频信息,采用局部方差的归一化加权融合方法融合图像,考虑了局部方差归一化过程中分母为零的情况。最后,融合结果既保留了多光像的纹理信息又保留了全色影像的高频信息,光谱信息更加丰富,目标细节更加精细,轮廓清晰可辩。