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。     

基于改进等维信息灰色模型的高铁隧道沉降预测研究

等维信息灰色模型是对传统灰色模型的改进,但其模型背景值仍设定为0.5,为了使模型的预测性能得到提高,本文提出了基于粒子群PSO算法的等维信息灰色模型来优化模型的背景值,以消除灰色模型本身固有的偏差。根据已有的高铁隧道沉降监测数据,对其进行小波去噪处理,再分别建立传统GM(1,1)模型、等维信息GM(1,1)模型和PSO-等维信息GM(1,1)模型进行拟合预测,并与原始数据进行对比。预测结果表明,改进后的等维信息GM(1,1)模型的预测精度更高。     

普朗斑岩型铜矿床成矿元素多重分形特征及其矿化强度指示

成矿元素品位的变化受控于长期地质作用过程,具有较强的非线性特征,定量刻画其变化特征有助于深入理解成矿过程,并为找矿预测提供理论依据。运用多重分形去趋势移动均值（MFDMA） 法,分析云南普朗斑岩型铜矿床4号勘探线钻孔Cu元素品位的多重分形特征及其对矿化强度的指示意义。结果显示：所有钻孔Cu元素品位具有多重分形特征,且不同矿化等级的元素分布存在局部奇异性差异,多重分形强度随矿化强度等级减弱而增加;这些特征指示在钾硅化带—带内侧强矿化钻孔的高品位相对聚集,而带外侧角岩化—青磐岩化带的高品位相对分散;通过数据随机重排技术推测Cu品位多重分形结构奇异性差异是由其分布概率密度和长相关性共同作用引起,后者的作用贡献大于前者。     

西藏雅江中西段流域夏季降水量变化特征

利用西藏雅鲁藏布江流域6个代表站降水资料,研究了雅江流域近53年的夏季降水量变化特征。主要结论包括:1963~2014年雅江流域6个站各站年平均降水量在286.2~447.9mm,夏季(6~8月)平均降水量在221.4~355.4mm,占年降水量的71%~85.5%。年最大降水量出现在拉萨,其次是日喀则和泽当,位于雅江偏西段的定日和江孜降水量最少;夏季降水量空间分布特征与年降水量的分布特征基本一致。雅江流域年降水量存在显著的年际和年代际变化特征,降水总量呈增多趋势。夏季降水量对年总降水量的贡献最大,占年降水总量的77%。夏季(6~8月)降水量变化与年降水量的变化趋势一致,即总体呈增多趋势。拉萨、定日、日喀则、浪卡子夏季降水量的变化趋势与雅江流域整体趋势特征一致,其中拉萨最明显,而泽当和江孜降水量呈减少趋势。雅江流域夏季降水量在1998年出现了明显突变,21世纪以来的十几年内存在短时间的突变现象。雅江流域夏季降水量主要存在2~4a和7~8a的变化周期。      

CINRAD-SA双偏振雷达资料在降水估测中的应用初探

对基于水平反射率ZH和差分传播相移率K_(DP)的降水估测综合法R(C)进行了改进,并对广州S波段双偏振雷达2016年2次飑线和2次台风降水过程的Φ_(DP)使用小波分析进行滤波处理,在此基础上使用变距最小二乘法拟合得到K_(DP)的值。分别使用R(C)和R(Z_H)法对2次飑线和2次台风降水过程进行降水估算,将估算结果和雨量计小时雨量进行了对比,并将两种方法的评估结果进行了对比。结果表明:(1)对于飑线类型降水,R(C)法对5 mm·h~(-1)以上的降水估测精度要好于R(Z_H)法,且降水率越大,R(C)法优势越明显,当降水率≥20 mm·h~(-1)时,两次过程R(C)法比R(Z_H)法的平均相对误差(RE)降低了17. 2%,平均绝对误差(AE)减少了1.89 mm,平均均方根误差(RMSE)减少了1.66 mm;(2)对于台风类型降水,R(C)法对5 mm·h~(-1)以上的降水估测精度也好于R(Z_H)法,当降水率≥20 mm·h~(-1)时,两次过程R(C)法比R(Z_H)法的平均RE降低了33. 19%,平均AE减少了3. 95 mm,平均RMSE减少了4.05 mm;(3)对于飑线和台风两种类型降水R(C)法都明显改善了降水率较大时的R(Z_H)法低估问题,但R(C)法在降水率10 mm·h~(-1)时也存在低估,可能是由雨滴谱资料观测误差导致拟合的系数偏小或雷达硬件造成的观测偏差等造成的。     

基于小波长短期记忆网络的风电功率超短期概率预测

随着大规模的风电并网,风电所具有的间歇性与随机性对电力系统的稳定性产生了很大的影响,风电功率预测成为当前解决该问题重要的方式之一.本文利用长短期记忆（LSTM）网络良好的时序记忆特性,将小波分解技术与LSTM深度网络结合,提出基于小波长短期记忆网络的风电功率超短期概率预测模型.首先通过小波分解技术将原始时间序列进行平稳化处理,再建立各子序列样本的LSTM网络预测模型,借助最大似然估计法估计预测误差的高斯分布函数,最终实现对未来4 h时刻的风电功率概率区间预测.最后,采用中国东北某风电场数据对所提方法进行算例分析,结果表明,将小波分解与深度学习方法结合可以较好地提高预测的精度,提高概率预测的区间可靠性.     

基于小波分析的场地波速测量方法

在场地波速测量中,由于噪声等因素的影响很难准确识别P、S波的初至时刻,致使波速结果存在很大的误差。本文给出了一种基于小波变换的波速测量的新方法。该方法利用波动信号的小波变换与弹性波群速度的关系准确识别弹性波初至时刻。弹性波小波变换的峰值时刻代表着以群速度传播的弹性波的初至时刻,使P波、S波的初至时刻的确定具有明确的物理意义,波速的结果准确、可靠、稳定。此外,波动信号的小波多尺度分析还可以确定地层中传播的弹性波的频散特性。最后,该方法在场地波速测量的实测信号的应用表明该方法可准确确定P、S波速。     

Morlet 小波用于环境激励下的模态参数识别研究

本文分别从卷积和Parseval定理的角度推导了非正交小波变换系数的实用计算方法。在环境激励下以互相关函数代替系统的自由响应数据,给出了基于Morlet小波变换的频率、阻尼比的参数识别方法,重点介绍了基于最小二乘法的振型识别技术。采用2层楼仿真算例和潮白河桥应用实例验证本算法,识别结果表明基于Morlet小波变换的模态参数识别技术能够有效地识别出环境激励下系统的模态参数。     

电性源瞬变电磁法的迭前和迭后数据小波分析

电性源瞬变电磁法用于深部勘探时,观测到的垂直磁场脉冲响应非常微弱,常伴有严重的干扰噪声,从噪声中提取反映深部地层的中、晚期磁场信号非常重要.为此提出将多分辨率小波分析应用于电性源瞬变电磁法数据分析,并对西部某勘探区垂直磁场响应的迭前和迭后教据作多尺度分解后进行分析和比较的结果表明:①小波分析对数据具有良好的时频局部化特性,垂直磁场响应的迭前和迭后记录在不同频段上的分布特征可以清晰地反映出来;②高频干扰主要反映于数据的分解细节,反映深部信息的中、晚期弱信号存在于分解概貌;③迭后记录加入随机噪声与不加入随机噪声的处理结果类似,而迭前记录则不同,迭前记录比迭后记录具有更丰富的信息,并主要表现在早期.在电性源瞬变电磁法深部勘探中,利用更多的迭前记录的小波分解概貌对资料处理的解释工作很有意义.     

地磁Z分量低点时间季节性变化研究

通过小波分析和频谱分析,发现Z分量低点时间的小波变换结果曲线(α=6)明显地随节气而变化;对地磁Z分量低点时间季节性变化进行了初步的比较分析.