首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 109 毫秒
1.
小波分析桥梁变形监测数据处理   总被引:2,自引:0,他引:2  
本文针对桥梁变形监测数据噪声的特点,选取了合适的小波基函数,利用小波分析理论对变形监测数据进行粗差探测和去噪处理;研究了桥梁变形监测数据在小波分解高频系数下的细节特征和突变点,变形监测数据噪声的特点以及对桥梁变形监测数据的影响。通过分析发现,噪声较大的点通常出现在下沉周期中的个别拐点上,为桥梁的安全信息化施工提供指导。  相似文献   

2.
针对传统相关性分析方法的局限性,提出将交叉小波和小波相干相结合,创建多角度相关性分析方法,用于基准站垂向周期运动与气象因素的关联性分析,以山东省费县观测数据为例,研究了两者之间的关系。交叉小波谱可以表明,费县基准站的垂向周期运动与气象因素之间有明显的1a主共振周期,说明两者之间年周期变化存在联系。同时从小波相干谱中可以了解到,不同的时间段内存在不规则的1/12 a、0.25 a、0.5 a共振周期,但共振周期持续时间较短,说明气象因素会对垂直形变产生影响。此外,交叉小波和小波相干能够在时域和频域中分析两种不同成分的细部相关特征和相位差异,其中相对湿度变化超前垂直变化1/4周期,平均风速变化滞后垂直变化1/8周期,日累计降水变化超前垂直变化1/8周期,日照时数变化滞后垂直变化1/8周期,在基准站垂直形变相关性分析方面具有较好的应用效果。  相似文献   

3.
基于小波分析的Kalman滤波动态变形模型研究   总被引:7,自引:0,他引:7  
对GPS动态形变测量信号的性质进行了分析 ,采用小波分析对GPS动态变形数据滤波、变形特征提取和不同变形频率分离。与Kalman滤波方法相结合 ,首次提出基于小波分析的Kalman滤波动态变形分析模型 ,研究其参数设计和算法 ,并用MATLAB与C语言在微机上编程实现。对比大坝实测数据的处理结果可知 ,通过对原始观测值进行小波分析与Kalman滤波的联合处理 ,能克服只使用单一方法进行GPS数据噪声处理的不足。  相似文献   

4.
基于小波变换的桥梁风振变形监测数据处理   总被引:2,自引:0,他引:2  
李振  朱锋  陈家君 《测绘通报》2011,(11):18-20
讨论小波变换应用于变形监测数据的去噪和提取变形趋势、频率特征及突变点的理论方法,并对桥梁风振变形监测数据进行小波分析处理。试验结果表明,小波变换能够很好地完成数据去噪与提取频率项、变形趋势项和检测突变点等信息,数据处理效果显著。  相似文献   

5.
光照电站是北盘江上大型水利枢纽,为确保安全施工和运营,采用智能型全站仪TCA2003对大坝两岸边坡进行位移变形监测。由于监测结果中包含测量仪器、测量条件和测量过程误差,利用db3小波和db6小波进行去噪处理,获取更具真实性和稳定性的数据。通过对比分析,db6小波去噪效果比db3小波好,调用函数提取db6小波分解前后的高频系数,可以判断出噪声主要集中在高频中前两层。  相似文献   

6.
在建筑的变形监测中,GPS观测数据中的噪声会对结果造成影响,可以利用小波变换的方法来去除噪声,提高结果精度。本文结合实例,分析了小波分析在建筑GPS变形监测中的应用,提出了一种评价小波去噪效果的新指标,表明利用小波去除噪声可以有效地提高GPS变形监测的精度。  相似文献   

7.
小波变换在时间序列特征提取中的应用   总被引:1,自引:0,他引:1  
时间序列的数学特征主要包括随机项、周期项以及趋势项.针对变形监测等测绘领域中如何对时间序列进行特征提取并进行分析与预测等重要问题,提出一种基于多尺度分析的小波变换方法.首先选取合适的小波基函数、分解层次等参数,其次将待分析的时间序列分解成低频和高频两部分,最后将分解后的时间序列投射到不同尺度上,从而可以提取所需要的有用信息.研究结果表明,基于多尺度分析的小波变换方法能够有效对时间序列进行特征提取,分析出其中的随机项、周期项、趋势项等信息,可以用于GPS变形监测等工程实际中.  相似文献   

8.
变形监测数据中噪声等随机扰动的存在导致传统GM(1,1)模型的预测性能较差,难以满足实际工程应用要求.提出一种基于小波变换和灰色理论的变形监测数据分析方法.首先,根据最小熵准则自适应确定最优小波分解尺度;然后,利用小波变换对变形监测数据进行噪声抑制,消除扰动误差;最后,对噪声抑制后的变形监测数据进行灰度建模,利用GM(1,1)模型对未来形变进行预测.采用两例典型实例对所提小波GM(1,1)模型和传统GM(1,1)模型的建筑物形变预测性能进行对比评估,结果表明所提方法能够获得更高的预测精度,对不同数据的适应性和泛化能力更强,可满足实际工程应用需求.  相似文献   

9.
为了提高变形监测数据预测的精度与可靠性,以及提高人工神经网络预测方法的稳定性,尝试将小波分析与BP神经网络相结合的小波神经网络应用于高层建筑物沉降监测数据处理中。综合小波分析与神经网络算法的优点,将良好的时频局域化特性和神经网络理论的自学习功能相结合,建立高层建筑物的小波神经网络变形预测分析模型。通过实验数据对比分析,小波神经网络用于高层建筑物沉降预测数据处理中可以得到更好的预测效果,预测稳定性及预测精度较高。  相似文献   

10.
本文基于中国大陆构造环境监测网(陆态网)GPS台站垂向形变数据,通过主成分分析计算云南省6大流域陆地水负荷形变,并与降雨数据进行相关性分析和交叉小波分析。结果表明,云南省各流域陆地水储量变化相对于降雨在半年和年周期上分别存在1.5~2.25和3~6个月的滞后,不同周期滞后的叠加使陆地水储量与累积降雨量之间存在显著的负相关性,6大流域的降雨累积天数各不相同,均在47~109 d之间。本文由此提出一种云南地区陆地水储量对累积降雨的响应机制。  相似文献   

11.
一种基于小波变换的GPS基线求解算法   总被引:4,自引:0,他引:4  
在分析GPS相位观测粗差,周跳及随机噪声的小波变换特性基础上,提出了基于小波变换的GPS相位粗差探测及小波滤波算法,并提出了基于波滤波的GPS基线求解算法,该方法能缩小模糊度搜索空间,提高整数模糊度解的有效性。  相似文献   

12.
为了解决矿区地表变形观测数据中含有的粗差对地表沉陷规律研究带来的不利影响,提出了采用小波阈值去噪法对原始观测数据进行处理。分析了小波阈值去噪的基本过程,讨论了小波阈值函数,并对两种阈值函数进行了对比;使用Matlab小波工具箱对观测数据进行分析并建立回归曲线,与地表实测沉陷值进行了验证。结果表明:相比常用的数据处理方法,小波阈值去噪法能有效消除粗差对变形结果的影响,实现了矿区高精度、动态的地表变形监测,具有较高的推广价值。  相似文献   

13.
在变形监测中获取的观测数据可以看作是时间与空间上的一组变形信号,一般该信号都会呈现趋势性,隐藏其中的周期性不易被发现;利用FFT对其拟合后的残差和小波分解后的高频信号进行变换与分析,通过时间序列分析对其分析结果建模得到短期的预测、预报,效果比较理想。  相似文献   

14.
针对变形监测数据的去噪问题,在分析现有阀值确定方法的基础上,提出了一种新的小波阈值算法。实际算例表明,新算法能够有效地克服软阈值法存在的恒定偏差,进一步地提高了消噪的精度和可靠性。  相似文献   

15.
实时准确地监测和分析大型建筑物的变形对于大型建筑物的施工与运行是十分重要的。奇异谱分析(SSA)是一种与经验正交函数相关联的一种统计技术。文中采用奇异谱分析(SSA)的方法,结合功率谱峰值与原序列和RC1-2重建序列均方误差最小的方法确定最优潜入维数M,研究了特长钢箱梁桥索塔的变形趋势和震荡周期。小波分析技术也可以很好地描述时间序列的时频分布,但SSA重构后的结果比小波要平滑些,更能反映出时间序列的特征。结合苏通大桥北索塔监测序列表明,北索塔站的N,E,U方向上均存在明显的趋势和显著的变动周期,而且也含有较多的噪声信息。  相似文献   

16.
胡宏昌  徐建成 《测绘科学》2010,35(5):118-119
本文给出了半参数模型的小波估计方法,它克服了补偿最小二乘法的一些不足,并将该小波估计法应用于变形分析中,其计算结果优于已有的结果,从而说明了该方法能够有效地应用于变形分析的研究中。  相似文献   

17.
以南京市地铁沉降监测数据为例,将小波分析和奇异谱分析方法应用在地铁保护区监测数据的处理中。实验证明本方法在探测异常值、获取沉降变形趋势、变形周期等方面具有可行性。  相似文献   

18.
吕游  王崇倡 《测绘工程》2014,(4):55-57,61
高大建筑物和工业设施等的变形监测数据一般都是含噪的信号,需要对其进行降噪处理,获取其准确的变形信息,以便掌握真实的变形情况。由于监测数据都是非稳定的信号,通常采用小波阈值降噪法对其处理,但传统的软硬阈值进行降噪的效果不佳,需对其进行改进。文中采用3种改进的小波阈值降噪法与传统的方法进行比较,通过对信噪比和均方差的分析,获得适合于变形监测数据的非稳定信号的降噪方法。  相似文献   

19.
在高层建筑的施工运营阶段,由于城市地下水位的变化及建筑物抗浮设计不合理,地下建筑抗浮失效事故日益增多。为保证抗浮失效事故处理阶段建筑物的安全,对其进行持续的变形监测是十分必要的。本文结合工程项目,对此类事故处理阶段变形监测的组织实施进行整理,利用小波变换对短周期的监测数据进行降噪处理,得到有效数据,通过各方信息分析总结变形监测在高层建筑抗浮失效事故中的应用。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号