基于小波去噪的高斯过程回归模型在面板堆石坝沉降预测中的应用研究

引起面板堆石坝沉降变形的环境因素复杂,观测数据呈现出明显的噪声干扰特性,限制了数学模型拟合及预测的精度。对原始信号进行小波变换可有效分解其中的有用信号和噪声,因此,引入小波变换理论建立了基于小波阈值去噪的数学模型,并对面板堆石坝（CFRD）的沉降变形实测数据实施去噪,再对去噪后的数据进行高斯过程回归（GPR）,建立了预测堆石坝沉降变形的模型。依托CFRD的实测沉降变形资料,采用Wavelet-GPR模型对大坝沉降进行了拟合与预测,并与未进行去噪的GPR模型计算结果进行对比。结果表明：Wavelet-GPR模型观测值与预测值的残差符合正态分布,去噪后学习段的均方根误差（RMSE）由0.928 7 mm减小至0.457 7 mm,平均绝对误差（MAE）由0.485 0 mm减小至0.330 6 mm;预测段的RMSE由1.308 9 mm减小至0.917 6 mm,MAE由0.926 3 mm减小至0.730 3 mm;且去噪后模型的样本观测值个数在其预测值95%置信范围内的占比有明显提升。因此,利用小波阈值去噪对实测沉降数据进行降噪处理能够降低噪声导致的数据观测值与真实值之间的误差,Wavelet-GPR模型用于预测面板堆石坝的沉降变形具有实用性与可靠性。     

二维离散小波变换在电能质量检测数据压缩中的应用

提出了用二维离散小波变换和能量阈值相结合的方法来解决电能质量扰动信号的压缩问题。利用二维db小波变换对矩阵数据分别进行行卷积和列卷积，把检测数据的高频信号和噪声信号分解在3个不同的方向上，且信号的能量集中在很少的小波系数上。再通过改进的能量阈值法，利用能量均值修正系数设置阈值使得压缩后的能量保留在99%以上，从而保证了重构信号的失真度很小且自适应地消除了加在扰动信号上的噪声。对6种扰动信号进行仿真并与小波包的压缩结果进行比较，结果表明该方法极大地提高了压缩率，并对噪声干扰有很好的去噪能力。     

小波软阈值去噪技术在电能质量检测中的应用

小波方法是一种很好的电能质量信号检测和分析工具，但其性能往往受信号中噪声的影响，当噪声比较大的时候，小波方法甚至会失效。文中根据小波变换的时频特性，分析了信号和噪声在小波分解过程中的不同特性，并在此基础上利用改进的软阈值去噪技术对电能质量信号进行信号去噪处理。软阈值方法能根据各小波空间上特征分量和噪声的统计特性设置适当的阈值来消除噪声，并以此恢复小波方法的性能。该方法不仅较好地解决了保护信号局部特征与抑制噪声之间的矛盾，能很好地对各种电能质量信号进行去噪处理，而且达到了数据压缩的效果。仿真计算结果表明，该去噪方法是有效的。     

自适应LMD融合新小波阈值函数的信号去噪

针对非线性非平稳信号的去噪问题,基于LMD分解噪声的特征,并融合自适应寻优函数,提出了一种基于局部均值分解新小波阈值函数去噪方法。通过仿真信号和实测工程信号验证,比较EMD滤波、Harr小波、LMD滤波和LMD-新小波阈值函数4种算法的信号去噪效果,并采用3种评价因子对各种算法的去噪效果进行评价。结果表明,文中提出的LMD-新小波阈值函数方法能够基于白噪声分解特征,充分发掘数据本身所蕴含的物理机制和物理规律,融合新阈值函数,相比于其他传统方法在信号去噪方面效果较好。     

基于离散平稳小波变换的原油触变特性研究

首次将离散平稳小波变换用于实验测定的原油触变信号的去噪。并与五点三次平滑处理及离散止交小波变换的去噪结果进行比较；实验结果表明：离散平稳小波变换明显优于其他滤波方法。对经离散平稳小波变换去噪后的触变数据分析的基础上，提出采用一种新型四参数双曲触变模型。该模型物理意义明确。拟合精度高，可用于工程实践。     

小波阈值与小波包对南水北调工程防渗墙监测数据去噪有效性研究

以南水北调北京段大宁水库防渗墙加高施工工程为背景,基于小波包变换去噪法和小波变换阀值去噪法,对现场监测数据进行了消噪处理,比较了两者在工程实际中的应用效果。研究表明,对防渗墙工程安全监测数据,小波包的处理结果更为理想,能够更有效地去除噪音突变信号,保留原始有用信号的突变点,使重构信号能够更光滑地重现原始信号,其去噪法性能比小波变换阀值去噪法更佳,具有更好的实际应用价值。研究结论为后期更加准确地评价防渗墙施工期间的变形和进行墙体长期稳定性分析提供重要依据,研究方法可为类似工程提供参考。     

泄漏检测信号滤波技术比较

通过泄漏检测模型试验分析测量信号中的噪声来源,在对比研究传统小波去噪、改进神经网络去噪、最小二乘拟合去噪等方法在实测数据中去噪效果的基础上,借鉴神经网络反向传播学习算法的思路,提出了信号预滤波结合阈值自学习小波去噪的综合滤波方法。该方法通过对恒定状态下带噪压力信号阈值自学习使得重构信号与期望输出均方误差最小来获得单一工况下的最佳去噪阈值,再将此阈值用于同一工况下整个时间段的去噪,这样根据不同工况下得到的最佳阈值可以获得最优输出。数值计算结果比较表明该方法对噪声的抑制作用明显,比传统小波去噪、改进神经网络去噪等方法效果更好。     

CEEMDAN与小波变换混合去噪方法在光纤陀螺监测系统信号去噪中的应用

为了有效降低噪声对光纤陀螺监测系统实测信号的影响,提出基于CEEMDAN与小波变换混合去噪的方法。先将信号进行CEEMDAN分解,得到一系列IMF分量,计算每一个IMF分量与原始信号的相关系数,利用相关系数的大小筛选出主要的IMF分量。结合小波变换,对筛选出的IMF分量进行降噪处理,最后进行信号重构。引入含噪信号与降噪误差比和均方误差两个指标来判断降噪效果,利用单一的小波变换、CEEMDAN方法、CEEMDAN与小波变换混合去噪三种方法对仿真信号和实测信号进行分析。结果表明,基于CEEMDAN与小波变换混合去噪方法的去噪效果最好,有效地降低了噪声对真实信号的影响,去噪后的信号能准确地表征真实信号的变化特征。该方法非常适合光纤陀螺监测系统的信号去噪,能进一步提高光纤陀螺监测系统的测量精度。     

基于小波-云模型的地下洞室围岩变形监控指标拟定

为实现对大型地下洞室围岩变形的安全预警，提出一种基于小波-云模型的地下洞室围岩变形监控指标拟定方法。根据噪声与真实信号在频域上强度差异大的特点，采用小波去噪对围岩变形速率进行软阈值化处理；再充分考虑监测数据的随机性和模糊性，采用基于云模型的“3E_n规则”确定监控指标；最后以某大型地下洞室为例，对比了小波-云模型和典型小概率法的计算结果。结果表明，基于小波-云模型拟定的监控指标，不仅满足围岩向临空面方向变形大于向岩体内部变形的基本要求，且充分考虑了数据噪声的影响，亦无需事先假定样本的概率密度函数，计算结果更具客观性和合理性。     

基于小波变换的降雨时间序列去噪方法研究

小波变换在降雨时间序列数据的去噪方面具有显著的优势，可有效提高降雨时间序列预测的准确性。为确定降雨时间序列小波去噪过程中小波基函数、分解尺度以及阈值估计方法的选择，实现最优去噪，以国家气象科学数据中心2008～2018年的日降雨时间序列为基础数据，以中国5个不同气候类型的省份为研究区域，基于复合指标T对57种小波基函数的去噪效果进行评价，并评价去噪过程中可能的分解尺度和常用阈值估计方法。结果表明：7～10阶的Daubechies小波是去噪效果最好的小波基函数组，最小T值在0.326 4～0.422 8之间，Symlets小波族的去噪效果最差；最优的分解尺度为3级，最小T值范围为0.184 4～0.252 6;混合阈值和Steins无偏风险估计阈值的去噪效果最好，最小T值在0.377 3～0.435 9之间。研究成果可为中国境内降雨时间序列和其他水文气象时间序列的去噪方法提供参考。     

基于Grubbs准则的小波阈值改进研究

在大坝变形监测中,需利用阈值法对数据信号进行小波去噪,而传统阈值法存在很多缺点。在小波去噪理论的基础上,结合Grubbs准则,提出了一种改进阈值门限的去噪方法,并用MATLAB编程实现了模拟信号以及大坝变形监测数据的去噪处理。实践表明,经小波改进阈值算法去噪后的数据均方根误差相对于改进前有所减低,信噪比也明显提高,改进效果明显。     

染污绝缘子安全区泄漏电流检测中去除信号干扰方法

针对染污绝缘子安全区泄漏电流信号包含大量噪声干扰、很难准确提取其有效特征量的问题，利用4种小波阈值去噪方法对不同信噪比的实测安全区泄漏电流信号进行去噪，提取去噪前后的泄漏电流波形、有效值以及3次谐波与基波幅值比这3个特征量，对比分析了其去噪效果，优选出最适合安全区泄漏电流特征量提取的小波去噪方法。通过分析得出在信噪比大于1.0时，对于安全区泄漏电流波形和有效值，自适应阈值是最佳的去噪方法;对于3次谐波与基波的幅值比， 4种阈值去噪法获得的比值对真实比值的逼近效果基本一样。综合比较实测信号提取的各个特征量去噪前后的效果可知，自适应阈值法是提取安全区泄漏电流特征量的最佳去噪方法。     

基于小波变换和LMS自适应滤波器的单相接地选线方法

综合应用小波变换理论和最小均方误差(LMS)自适应滤波器技术，提出了一种小电流接地系统单相接地故障选线方法。该方法对故障发生后的零序电流信号进行小波变换，通过LMS自适应滤波器对小波系数进行滤波去噪，利用去噪后的信息进行选线。该方法能有效地从被噪声干扰的信号中得到有用的信息，克服了故障信号信噪比低的缺点，并能够充分利用故障信息连续判断。应用现场故障录波数据对该方法进行了验证，结果表明该方法能够满足实用要求。     

基于经验模态分解的局部放电去噪方法

在简单介绍经验模态分解（EMD）的基础之上，将经验模态分解用于局部放电的信号分析。根据含噪声信号分解后固有模态函数（IMF）的统计特征，提出了一种基于向量阈值的新去噪算法，相比于常规的小波去噪算法，该算法具有形式简单、应用方便灵活、不受傅里叶变换及小波函数选择的限制等特点。实际处理结果及与小波的对比表明，新算法可以有效地抑制白噪声，取得和小波变换几乎一致的效果。     

基于小波变换去噪的ARMA堤坝水平位移预测模型

堤坝位移监测数据可以被视为非平稳时间序列,但是因为受到诸多因素的影响,位移的测值常含有随机误差。在传统时间序列预测方法的基础上,提出了基于小波变换去噪的时间序列预测方法。基本步骤是:采用小波分解与重构法去噪,将信号分解到不同的频带上,再直接提取有用信号的频带进行重构,减小测值中的随机误差;进一步对去噪后不平稳的位移时间序列差分建立预测模型。工程实例计算分析表明,基于小波去噪所建立的模型位移预测结果要明显优于传统的模型位移预测结果,可以用于短期内堤坝水平位移预测中。     

GIS局部放电检测中的小波包变换提取信号

在介绍小波包变换算法的基础上，将小波包变换用于白噪声干扰下的气体绝缘组合电器（GIS）局部放电信号提取。对模拟的局部放电信号进行了小波包分解与重构的计算机仿真研究，分析了不同的局部放电波形、噪声水平及采样率对去噪结果的影响，最后对GIS内置传感器实测波形进行了小波包变换去噪。     

基于小波去噪和FA-SVM的中长期径流预报

为优化支持向量机(Support Vector Machine,SVM)模型参数,提高中长期径流预报精度,建立了基于FA-SVM的中长期径流预报模型。该模型以样本中训练期均方差最小为目标函数,利用萤火虫算法(Firefly Algorithm,FA)对支持向量机主要参数(惩罚系数C、核函数参数g和不敏感损失系数ε)进行了优化。以岷江上游的紫坪铺水库为例,运用小波去噪法对各月径流序列进行数据预处理后,利用FA-SVM模型与BP神经网络模型进行了中长期径流预报。结果表明:(1)运用小波阈值法能够较好地滤除各月径流序列的系统噪声和测量噪声;(2) FA-SVM模型中长期径流预测效果较好,预报精度等级均在丙级以上;(3) FA-SVM模型的预报效果优于BP神经网络模型。     

基于非线性小波变换阈值法的大坝表面变形监测分析

为了实现对大坝坝体GNSS原始监测数据中高斯噪声、白噪声等异常特性进行有效去噪，同时要求保留异常信号中的有效信息，基于小波变换分析理论，应用非线性小波变换阈值法对大坝坝体的GNSS原始监测数据进行去噪处理。结果表明，该方法能够有效剔除GNSS原始监测数据中不同类型的噪声点，明确了大坝坝体外部变形与库水位的相关性关系，分析了运行期内大坝坝体外部变形相对值分布状况，揭示了大坝坝体变形的周期性、趋势性等特征，为坝体变形监测的设计、变形趋势的观测与预测等提供参考。     

基于小波去噪的深基坑变形预测研究

基于小波去噪原理,对基坑变形数据小波去噪过程中的相关参数进行优化,对于去噪中的影响因素和作用规律研究有积极意义。利用最优小波去噪将原始监测数据分为趋势项序列和误差项序列,再利用BP神经网络对两序列加以预测,并与传统BP神经网络预测结果进行对比分析。结果表明:采用硬阈值取值和10层小波分解时的去噪效果最好,且通过去噪分离了原始数据的长期性和游离性,增加了数据的可预测性;并且由后期预测结果可知,小波神经网络预测精度要优于传统的BP神经网络预测,具有更高的可信度。     

基于小波分析的大坝监测数据处理

大坝监测系统所采集的监测数据资料存在异常值并受噪声的影响,小波分析具有多分辨率、时频分析的特点。小波分析方法能准确、迅速的定位监测数据序列中异常值,适合运用于数据较多的情况。利用点的小波变换模极大值和阈值法能有效的去除异常值,避免人工去除的繁琐过程。对去除异常值后的序列进行小波软阈值去噪,消除监测数据中噪声的影响,为后续监测资料分析评价提供能反映大坝真实性态的数据。同时该方法适应性较广,能运用到其他数据预处理中,但必须根据实际情况选择合适的小波函数以及阈值。