基于EMD的GM-LSSVM在变形预测中的应用

针对变形呈非线性、随机性变化特征,提出了一种基于经验模态分解(EMD)的灰色最小二乘支持向量机(GM-LSSVM)变形预测模型。该模型首先采用EMD有效分离出隐含在变形序列中的非线性高频成分和低频成分;然后根据各分量特点构建了高频LSSVM预测模型和低频GM(1,1)预测模型,最后叠加各分量预测值得到预测结果。经理论分析和算例表明,并与灰色GM(1,1)、BP神经网络和LSSVM对比分析。结果表明,EMD能够有效分离变形序列的不同频率成分,本文方法具有较强的预测精度,均方根误差为0.40 mm,在变形预测中具有一定的实用价值。     

基于数据动态模态分解的基坑沉降稳定性预警预测研究

为合理实现基坑沉降稳定性的预警预测研究,该文在基坑沉降数据动态模态分解基础上,先利用尖点突变分析实现趋势项分量的稳定性现状评价,再利用分项组合预测模型实现沉降稳定性的预测评价,两者综合实现沉降稳定性的预警预测研究。实例分析表明：DMD模型在沉降数据的分解过程中具有良好效果,可将其合理分解为趋势项分量和误差项分量;通过基坑沉降稳定性的现状评价,得出基坑沉降在现状条件下的稳定性均处于稳定状态,且在基坑沉降稳定性的预测评价过程中,得出分项组合预测模型在基坑沉降变形中的适用性,得出各监测点的沉降变形仍会呈小速率增加趋势;综合评价,各监测点的预警等级为Ⅲ～Ⅳ级,为现场安全施工提供了一定的理论指导。     

安宁河河谷及邛海地区土层场地对地震动的放大作用

场地土层对地震动的影响研究一直是地震工程研究的主要问题之一。利用汶川地震中安宁河及邛海周边地区6个台站记录到的主震的加速度时程,采用传统谱比法研究了5个土层台站所在场地对地震动的放大作用,研究结果表明:1该区场地对地震动的放大作用与工程地质分区有着很好的相关性,不同的工程地质分区对地震动的放大效应不同,按放大作用大小排序,邛海湖滨平原亚区(Ⅲ3)邛海洪泛平原亚区(Ⅲ_2)安宁河平原区(Ⅱ)山麓坡洪积亚区(Ⅰ_2)中山基岩亚区(Ⅰ_1)。2工程地质分区为山麓坡洪积亚区(Ⅰ_2)的场地对地震动低频分量没有放大作用,但是对地震动高频成分放大作用显著。3工程地质分区为安宁河平原区(Ⅱ)的场地对地震动低频和高频都有放大效应,并且高频放大作用大于低频,并且3个分量放大作用在低频和高频表现不同,低频时地震动放大效应UDNSEW,高频时地震动放大效应EWNSUD。4工程地质分区为邛海洪泛平原亚区(Ⅲ_2)的场地对地震动低频和高频放大作用都非常显著,并且放大系数最大值所在的频带都在1 Hz左右,且放大最大值相差不大。5对于工程地质分区为邛海湖滨平原亚区(Ⅲ_3)的场地对地震动低频和高频放大作用都有放大效应,放大系数较大,且放大效应显著频段分布较宽。     

基于小波分析与支持向量机的地铁隧道沉降预测

根据地铁隧道监测点沉降变化中非线性、不确定、时变性的特点,建立了基于小波分析的支持向量机预测模型。首先运用小波分析将监测点沉降序列分解为低频近似分量和高频细节分量,然后对各分量分别进行支持向量机预测,最后将各分量预测结果进行小波重构得到监测点的沉降预测曲线。预测结果表明,在相同样本数和短周期预测条件下,Wavelet—SVM模型的预测精度优于BP神经网络方法。对地铁沉降监测提前进行预警预报有一定的参考价值。     

基于Hilbert-Huang变换理论的非平稳数据处理

详细介绍了Hilbert-Huang变换这一全新的处理非平稳信号数据的方法,将其用于分析土木工程中常用的El Centro地震波南北向记录。将该记录分解成9个固有模态函数分量和1个残余量,进而得到相应的瞬时频率图、瞬时能量图和振幅-频率-时间三维分布图谱,并将其边际谱与Fourier谱作了比较。结果表明,波的能量主要集中在低频分量10 Hz以下,并且Fourier谱在高频分量处高估波谱能量,在低频分量处低估波谱能量。根据此三维分布而定义的平稳度,对其频域和时域的平稳性进行了分析,得到该记录随频率及时间变化的平稳度曲线。     

基于地表监测数据和非线性时间序列组合模型的滑坡位移预测

针对滑坡位移–时间曲线的非线性特征和以往预测模型的不足,提出基于地表监测数据和非线性时间序列分析的组合模型预测滑坡位移。以新滩滑坡和三舟溪滑坡为例,通过对位移、降雨、库水位等资料的分析,研究滑坡的变形特征及影响因素。在利用逆序法和小波分析检验滑坡位移的趋势特征和周期特征的基础上,采用非线性组合模型进行预测,包括利用多项式拟合并预测趋势项位移;用一种基于小波分析的三角函数法(WA-TF)对周期项位移进行预测;遗传算法优化选参的BP神经网络(GA-BP)对波动项位移进行预测。最终将各位移分量累加得到滑坡的累积位移预测值,并与监测值进行对比分析。结果表明非线性组合模型的预测精度高且具有较好的通用性,为滑坡位移定量预测提供了一种可行的思路。     

基于条件在险价值法的量化基金市场系统性风险研究

以条件在险价值法和分位数回归法为基础,对我国量化基金市场的系统性风险进行实证分析。研究结果表明,自2013年以来量化基金市场的系统性风险有增加趋势,量化基金对市场风险溢出效应显著但与自身风险不存在高度一致关系,系统性风险取值在各量化基金之间存在差异。以上结果均通过了统计检验,对监管部门监控量化基金市场风险有一定的参考价值。     

结合Curvelet变换和模糊聚类的图像融合算法

本文为了能够有效的提取图像细节信息,滤除噪声和保留有用信息,提出了一种基于curvelet变换和模糊聚类理论的图像融合算法。首先对图像进行curvelet变换,获得图像的低频和高频分量;随后依据低频和高频分量的不同特征采取相应的融合规则,高频分量采用区域能量为系数进行加权融合。低频分量则采用基于模糊聚类理论的融合规则以实现对噪声的过滤。最后再对融合后的图像进行curvelet反变换,获得融合后的图像。实验结果表明,该方法能够获得较高的平均梯度、峰值信噪比、空间频率和结构相似度,有效地保留融合图像的细节信息,去除噪声,是一种有效的多聚焦图像融合方法。     

基于相似数据的人工神经网络短期风速预测模型

提出基于相似数据并结合小波分析的数据预处理模型,并运用基于反向传播(BP)神经网络风速预测模型预测风速。该方法从大量的历史数据样本中提取相似数据创建训练样本,采用小波分解将风速信号分解成低频趋势信号和高频随机信号,采用BP神经网络建模,合成得到风速预测数据。通过某风电场的实际风速数据验证结果表明,相似数据有效地提高了数据的相关度,小波分解使BP神经网络模型更好地拟合风速信号的低频和高频特性,提高了预测精度。     

一种基于 Sobel 算子的小波与 IHS 遥感影像融合算法

针对IHS图像融合算法中颜色畸变比较明显的问题,提出一种新的基于小波与IHS相结合的遥感影像算法.经IHS变换的多光谱影像Mul的I分量与全色影像Pan由二维离散小波分解,对小波高频和低频分量采用不同融合规则:低频分量采用绝对值加权平均的方法,把两者的低频系数按其权值比例合成到新的分量I1中;高频系数采用基于区域分块的Sobel算子的绝对值取大. 实验结果与IHS法、传统小波与IHS结合法相比较,该算法能获取更多的光谱信息,人眼视觉效果也较好.