基于小波分解的建筑物变形监测数据处理

基于小波分析理论，利用小波去噪技术，对一组建筑物变形监测数据进行了去噪处理。实际计算结果表明，小波去噪合理有效，能够敏感识别观测噪声和有用信息，不需要待检测信号的先验知识，特别适合于建筑物变形监测的数据处理。     

基于不同预处理的多小波在变形监测数据处理中对比分析

由于多小波具有单小波所不能同时具备的多种优良性质,同时拥有多个时频特征有所差异的基函数,使得多小波变换在信号数据处理等方面具有显著优势。为了准确获取变形特征,给出不同多小波在变形数据处理中的应用对比分析。实验结果表明,不同多小波选择合适的预处理方法,有效去除了变形监测数据里的干扰成分,实现变形趋势的提取,取得好的信号消噪效果,具有好的应用效果。     

经验模态分解在高层建筑GPS变形监测分析中的应用

经验模态分解是一种数据驱动的自适应分解方法,能够把数据信号分解为具有自然物理意义的内蕴模态函数,有效分解各个周期的变形信号,相对小波分析等方法有其固有优势。本文针对某高层建筑物的GPS变形监测时间序列,采用EMD分解方法分离得到了建筑物的日周期、半日周期、整体趋势等多个方面振动特征,符合实际变形信号特征,验证了该方法在变形监测分析中的实用性。     

Mallat小波分解在空气污染指数分析中的应用

小波分析法是一种窗口面积固定但形状、时间窗和频率窗都可以改变的时频域局域化方法,具有对信号的自适应能力。本文以可吸入颗粒物污染指数为例,利用Mallat分解在不同时频域的多分辩分析能力将其分解到不同的频域中进行分析,通过实际应用证明其效果良好。然后将Mallat小波分解方法应用于上海市城区全年可吸入颗粒物、SO2、NO2等污染物分析研究当中,结果表明秋冬两季煤、油等燃料的不完全燃烧对颗粒物浓度增加影响最大,而汽车尾气对后两者浓度的增加影响较大。     

多小波神经网络在变形预测中的应用

将多小波与神经网络结合提出一种新的变形预测方法——多小波神经网络预测法,通过理论分析和它在变形预测中的应用分析表明,该方法较其他预测方法具有更高的精度,更快的速度,值得推广。     

基于小波分解的高边坡变形预报

指出小波多分辨分析具有较强的时频分析特性，对含有趋势性、周期性和随机性的非线性变形时间序列进行分解，用不同的模型对各分解项进行预测后叠加，比单纯用某一种模型对变形的预测，精度有较大的提高，对各分解项用时间序列分析模型预测周期性，用多项武拟合趋势性，结果显示，预测效果较好。     

小波神经网络在大坝变形监测中的应用

本文就小波神经网络的模型建立的方法进行了介绍,通过编制MATLAB小波神经网络程序,用一组变形监测实数据对变形结果进行了仿真试验,仿真的结果精度很高,能够用于变形分析预报.     

小波神经网络在大坝变形预报中的应用

大坝变形统计模型以回归模型为主,建立变形量与自变量间的线性关系。神经网络变形预报模型可以反映监测量与效应量间的非线性关系,建立准确的变形预测模型。建立基于逐步回归模型和小波神经网络的大坝变形预报模型,通过对比两种模型,验证了相比逐步回归,小波神经网络模型在拟合和预测上均有着更好的表现。     

基于小波分析的灰色组合模型在变形监测数据处理中的应用

在数据分析处理中,小波分析与灰色模型有各自的特点和适用范围。结合两者的优点,构建小波灰色串联和并联组合模型,并应用于变形监测工程实例,验证了组合模型建模和预测的可行性和有效性。分析结果表明,在变形监测数据处理中,应用小波灰色组合模型有较高的预测精度,能有效地进行变形监测数据处理和预测预报。     

基于EKF的小波神经网络在变形预测中的应用

提出一种新颖的用于变形预测的基于扩展Kalman滤波的小波神经网络学习算法,与BP算法相比,该方法具有更好的收敛率和学习能力,并通过实例计算证明了该方法具有较高的精度和较快的计算速度。     

基于小波消噪的EMD模型在GPS振动信号处理中的应用

经验模式分解和小波分解是当前有效处理非平稳信号的两种时频分析方法,它们各具有其优缺点,适用于不同的应用.从对GPS振动信号的预处理、时域和频域处理入手,结果分析表明,对GPS振动信号先进行小波滤波消除随机噪声的干扰,再应用经验模式分解更有利于变形特征信息的分离和提取,提取的信号与振动平台记录数据更加吻合.     

基于经验模态分解的电测井信号去噪研究

电测井方法所得到的信号含有一定的随机噪声,对原始信号进行处理之前需对其进行去噪。基于经验模态分解(EMD)得到的本征模态函数(IMF)具有自适应性、完备性、可重构性以及正交性和良好的时频聚集性等特点。因此,利用IMF分量去噪对于处理信号与噪声频率混叠的情况具有很好的效果,是一种多分辨率的去噪方法。本文采用一种首先经过经验模态分解,其次通过对部分IMF分量进行软阈值去噪的方法,研究结果表明,该方法能有效去除电测井信号的噪声干扰,且效果优于传统的小波软阈值去噪结果。     

基于小波与谱分析的大坝变形预报模型

传统大坝变形回归分析模型不具备降噪功能,同时人为拟定环境量周期项,存在一定的不足,对此,引入小波与谱分析方法,提出了基于小波与谱分析的大坝变形预报模型,以提高预报精度。首先对实测的位移数据进行分段三次Hermite插值,获取均匀采样数据;然后对采样数据进行小波分解,做降噪处理;最后通过谱分析,根据功率谱图,确定位移量的主要周期项,结合传统回归方法构建合理的拟合模型,实现大坝变形的预报。以2010年三峡大坝175 m蓄水后的实测数据为样本,采用文中方法对大坝变形值预报,结果表明预报精度较高,新方法对提高大坝安全评估和类似变形分析有重要价值。     

基于小波多尺度分解的周期性变形信息探测

针对多期变形观测数据处理中探测周期性变形信息这一问题,引入小波多尺度分解。先用低频分量对趋势性进行拟合,再利用频谱分析探测各高频分量的周期性。理论分析、应用实例的结果表明,该方法不但模型统一,而且能探测出弱周期性变形信息。     

Continuous modal parameter identification of cable-stayed bridges based on a novel improved ensemble empirical mode decomposition

The objective of this paper was to perform an effective and meticulous continuous modal parameter identification. Since the data obtained from the cable-stayed bridge was non-linear and time varying, and also there exists a phenomenon of mode mixing in the current decomposition techniques, such as empirical mode decomposition (EMD), which further complicates the extraction of accurate structural information, therefore, a novel improved Ensemble EMD method was proposed. This method can effectively deal with the non-linear and time varying structural behaviour and eliminate the phenomenon of mode mixing effectively, specially for cable-stayed bridges, because in this method the added white noise was selected by a pre-defined process and also the intrinsic mode function (IMF) selection was made self-adaptively, then finally Pareto technique was adopted to reconstruct the IMF. After the signal decomposition and reconstruction, Recursive Stochastic Subspace Identification was employed to carry out the continuous modal parameter identification. Sutong Yangtze Bridge, a long-span cable-stayed bridge, with main span of 1088 m was taken as a case study and the proposed method was applied. The result showed that the proposed method was effective in attaining its goals and can endows better results in real life bridge health monitoring.     

基于小波分析法的GPS周跳探测

在GPS测量中,如何对载波相位观测值中的周跳进行探测和修复,是精密定位数据处理中的一个十分重要的问题,概述了周跳的产生、定义及其来源,介绍了不同周跳检测量的构成,重点讨论了周跳检测的小波分析方法.     

基于小波分析的GPS接收机随机噪声研究

采用小波分析技术对GPS接收机进行检测研究,结合小波分析的基本原理,介绍了小波分析研究GPS接收机质量的方法,并通过对比分析两种GPS接收机随机噪声水平,得出了一些指导性结论,为今后潜在的GPS技术用户比较各种接收机提供了可靠评价。