小波分析及其在地震工程中的应用

首先介绍了小波分析的一些基本概念 ;接着将小波分析与其发展基础Fourier分析作了比较 ,以显示小波分析的优越性 ;同时介绍了小波分析在土木工程信号分析领域应用时所涉及的一些主要技术 ;最后总结了目前小波分析在地震工程中的应用研究概况     

桩基动测信号的小波分析应用

结合桩基在土木工程地基中的广泛应用,介绍了小波分析在桩基动测信号中的应用,分析了小波分析的原理,并通过具体工程实例进行了说明,以促进桩基检测的研究和发展。     

小波的发展与科学的统一

本文介绍了新兴的数学学科——小波,回顾了小波发展的历史及现状,分析了小波分析发展中的一些特点:小波和众多学科的紧密相联性;小波应用的广泛性和效果的显著性;其它学科在小波发展中发挥本质性的关键作用。并由此出发论述了科学的统一性及其对数学研究的指导作用。最后讨论了其它学科发展对数学可能带来的影响。特别地,指出了生物科学和数学的相似性,指出了生物数学应是大有可为的数学学科。     

探析小波分析在高层建筑动态监测中的应用

本文基于小波分析技术,在了解小波分析技术特征的技术上,详细讨论了该技术在高层建筑物动态监测中的应用路径与方法,希望能进一步加深相关人员对小波分析技术的认识。     

动力刚度的小波变换

小波分析具有能够同时兼顾时域和频域分析的特点,因而在结构非线性动力分析过程中能够满足进一步的分析需要.本文利用小波固有特征,针对动力分析中的动力刚度进行研究.采用Marr小波基,按照小波变换的叠加性原则将频域动力刚度表达式转换为小波变换表达式,为小波分析在动力分析中的应用打下基础.     

超声非线性效应表征的动态小波指纹分析方法

针对结构早期损伤超声非线性检测中损伤表征问题,发展了一种基于动态小波指纹的超声信号分析方法,从超声信号的动态小波指纹分布中提取出一种可用于结构早期损伤表征的超声非线性特征参数。研究了小波基函数及分析尺度对超声非线性效应提取效果的影响,优选出对结构早期损伤敏感的小波基函数以及尺度范围。将提出的动态小波指纹分析方法应用于二次谐波及混频非线性超声检测信号分析,结果表明,动态小波指纹分析方法可有效提取出检测信号中的二次谐波及混频分量,基于小波指纹分布的非线性特征参数可用于板结构中微裂纹的定量表征.本文研究工作为结构早期损伤超声非线性检测中的弱非线性效应提取作了有益探索。     

基桩检测技术的研究进展

文中对各种基桩检测方法的适用性、优劣及其现存问题进行了归纳总结.重点评述了近10年来发展潜力巨大的神经网络、遗传算法、小波分析等方法在基桩承载力预测及损伤识别中的应用,认为通过将小波分析与神经网络结合及遗传算法与神经网络结合的方法建立基桩智能测试专家系统,可能是将来最为行之有效的基桩检测手段.     

探讨小波变换在医学图像处理中的应用

本文先引入小波变换,并对其在医学图像处理中的去噪、图像特征增强以及边缘提取领域的应用进行探讨,最后论述了应用小波变换法的局限性和发展可能性。     

基于小波变换的爆破地震信号阈值去噪的应用研究

运用小波变换多尺度分析的思想,在不同的尺度下观察信号不同的局部化特征。利用小波系数的统计特性和噪声本身的性质,应用信号特征估计信号中的噪声形态,提出了一种爆破地震信号小波变换阈值去噪的方法,在小波阈值去噪中准确估计噪声阈值水平,使在消除信号噪声的同时保留信号中弱特征成分。通过理论和实践证明了这种方法能够有效地消除爆破地震信号中的噪声。     

爆破震动信号的小波分析

首先将小波分析（ｗａｖｅｌｅｔａｎａｌｙｓｉｓ）理论应用到爆破震动信号分析中，以期促进这一理论在工程爆破领域内的发展；小波分析在时域和频域同时具有良好的局部化性质，而且对高频成分采用逐渐精细的时域和空域取样步长，可以聚焦到对象的任意细节，因此利用小波分析和处理像爆破震动这样具有突变特征的随机信号较富氏频谱分析更为适合。并对目前小波分析理论和应用进行了较为全面的总结，建立了适合于爆破震动信号分析的基小波，同时进行了实例分析。     

A Wavelet Support Vector Machine‐Based Neural Network Metamodel for Structural Reliability Assessment

Wavelet neural network (WNN) has been widely used in the field of civil engineering. However, WNN can only effectively handle problems of small dimensions as the computational cost for constructing wavelets of large dimensions is prohibitive. To expand the application of WNN to higher dimensions, this article develops a new wavelet support vector machine (SVM)‐based neural network metamodel for reliability analysis. The method first develops an autocorrelation wavelet kernel SVM and then uses a set of wavelet SVMs with different resolution as the activation function of WNN. The output of network is obtained through aggregating outputs of different wavelet SVMs. The method takes advantage of the excellent capacities of SVM to handle high‐dimensional problems and of the attractive properties of wavelet to represent complex functions. Four examples are given to demonstrate the application and effectiveness of the proposed method.     

Wavelet analysis on fluctuating characteristics of airflow in building environments

This paper introduces the theory of the wavelet transform (WT) method and its application to the study of fluctuating characteristics of airflows in building environments. By applying wavelet analysis to the natural wind around buildings and to the free jet flow from a centrifugal fan, the differences and relations between natural and mechanical wind currents were found, and the results of the study indicate the unique features and advantages of wavelet analysis in the study of fluctuating characteristics of airflows.     

Short-Term Traffic Volume Forecasting Using Kalman Filter with Discrete Wavelet Decomposition

Abstract:   This article investigates the application of Kalman filter with discrete wavelet analysis in short-term traffic volume forecasting. Short-term traffic volume data are often corrupted by local noises, which may significantly affect the prediction accuracy of short-term traffic volumes. Discrete wavelet decomposition analysis is used to divide the original data into several approximate and detailed data such that the Kalman filter model can then be applied to the denoised data and the prediction accuracy can be improved. Two types of wavelet Kalman filter models based on Daubechies 4 and Haar mother wavelets are investigated. Traffic volume data collected from four different locations are used for comparison in this study. The test results show that both proposed wavelet Kalman filter models outperform the direct Kalman filter model in terms of mean absolute percentage error and root mean square error.     

结构损伤识别中的小波变换法研究

对小波变换在结构损伤识别中使用归结为，对结构服役状态的监测和对结构损伤的定位和评估两类，并选取典型的使用实例进行介绍和评论，最后对小波理论在该领域的应用前景进行了展望。     

小波变换在基桩声波检测斜管修正中的应用

文章在阐述小波变换原理的基础上,结合声波透射法中声测管斜管引起的声速曲线的特征,探讨将小波变换应用到基桩声波透射法声测管斜管修正的可行性.通过分析得到了两种声测管斜管修正的方法,将这两种方法应用到工程实例中,可以有效的对声测管斜管进行修正.     

应用小波支持向量机的预应力混凝土碳化深度研究

构造了一类小波核函数,并利用小波核函数支持向量机对预应力混凝土碳化深度进行了仿真和预测。将小波函数用于SVM得出一类小波核函数,并将其与径向核函数SVM、神经网络在预应力混凝土碳化深度预测中的应用进行了对比。研究发现,SVM对预应力混凝土碳化深度的预测精度要远远高于神经网络,且小波核函数SVM比径向核函数SVM精度高。小波核函数在一定场合下精度要比径向核函数高,SVM用于预应力混凝土碳化深度的预测是可行的,且具有较高精度。