共查询到16条相似文献，搜索用时 125 毫秒
1.
2.
为进一步提高极移预报精度，将小波分解引入极移预报中。首先利用小波分解对极移序列进行分解，分离低频分量与高频分量，然后对低频分量建立最小二乘外推模型，获得极移序列的趋势项外推值与残差序列，最后采用自回归（autoregressive，AR）模型对高频分量与残差序列之和进行预报，最终极移的预报值为最小二乘外推值与AR模型预报值之和。结果表明，小波分解可以明显改善最小二乘外推与AR组合模型的极移预报精度，尤其对于中长期预报改善更为明显。 相似文献
3.
针对桥梁所承受的动静荷载特性差异问题,该文通过小波分解将垂直位移监测数据分解成低频和高频信号,低频信号稳定性强,主要呈现了静荷载影响特点,而高频信号波动性较大,呈现了动荷载影响特点,因此将低频信号和高频信号分别进行小波重构,重构后的低频信号和高频信号分别使用时域卷积神经网络和BP神经网络进行预测,并进行叠加处理得到最终预测结果。以常泰大桥实际静力水准沉降监测项目为例,将该文模型预测结果分别与小波优化的BP神经网络模型和小波优化的自回归滑动平均模型(ARIMA)预测结果进行对比分析,已有的两种模型预测的平均绝对误差分别为0.61 mm和1.38 mm,而该文模型预测的平均绝对误差为0.46 mm,预测精度的提高,为桥梁的施工和维护提供参考。 相似文献
4.
对建筑物进行沉降监测并预报其变化趋势,能有效保障建筑物的安全性。本文提出一种基于小波变换的ARMA模型用于建筑物沉降预报。利用小波多尺度分析将沉降监测数据分解为高频信号和低频信号,并分别采用ARMA模型进行预测,然后将各序列预测结果进行合成,得到最终预测结果。并以青岛市某高层建筑物监测数据为例,分别采用传统ARMA模型以及基于小波变换的ARMA模型进行预报对比分析,结果表明基于小波变换的ARMA模型取得了较高的预报精度。 相似文献
5.
6.
针对低阶偏微分方程去噪模型通常会使图像的灰度趋于分段常量而产生阶梯效应的问题,结合小波多尺度分解在图像处理中的应用,提出一种结合双树复小波变换(DT-CWT)的四阶偏微分方程(PDE)影像去噪模型。首先采用DT-CWT对噪声影像进行多尺度分解,保留分解后的低频分量不变,其他层复高频分量采用四阶PDE去噪模型去噪,然后重构相应层的高、低频分量,得到最终去噪后影像。对不同噪声强度下的ZY-3卫星影像去噪实验的结果表明,采用本文方法去除遥感影像噪声相比现有方法得到的去噪结果信噪比平均提高了1~2 d B,提高了去噪影像的结构相似度,在有效去除影像高斯噪声的同时能够较好地保留图像细节信息。 相似文献
7.
以GNSS自动化监测系统的大坝变形预测方法为主要研究目的,针对大坝GNSS自动化监测数据大样本、高采样率、连续等特点,提出了一种结合小波分析与BP、NAR神经网络预测大坝变形的新方法。利用多尺度小波分析对GNSS大坝变形数据序列进行分解与重构,对重构后的低频近似序列采用BP神经网络进行建模预测,对重构后的高频细节序列采取NAR动态神经网络进行建模预测,最后叠加各尺度下预测结果获得大坝变形预测值。应用结果表明,该方法预测精度高、泛化性能好,可广泛应用于采用GNSS自动化监测系统的大坝变形预测。 相似文献
8.
利用小波变换分解变形监测数据,重构分离得到低频线性项和高频非线性项,线性特征强的子序列使用ARMA模型进行建模预报,非线性特征强的子序列使用神经网络模型进行建模预报,最后合成获得预报值。文中使用隔河岩大坝GPS变形监测数据进行建模预报,分析小波分解层数对预报精度的影响,提出平滑测度确定分解层数的方法,比较ARMA模型或神经网络模型和小波分解下的组合模型的预报精度,结果表明组合模型的预报精度优于单一模型,其精度在0.6mm,最大偏差为1.6mm,平均改善76%和77%。 相似文献
9.
小波变换在遥感图像相对辐射校正中的应用 总被引：1，自引：0，他引：1
邢宇 《测绘与空间地理信息》2015,(6)
采用小波分析将ASTER图像的低频分量和高频分量进行分离;对低频分量差值计算得到伪不变特征点,采用最小二乘法对低频分量进行线性变换;然后将原始待校正图像的高频分量与校正后的低频分量进行图像重构,实现多时相ASTER遥感图像的相对辐射校正。结果表明,该方法有效地保留了源图像中由于地物变化引起的辐射差异,相对辐射校正的整体效果较好。 相似文献
10.
11.
危来龙 《测绘与空间地理信息》2013,(10):241-244
为解决地铁施工段地表沉降随机波动较大对预测模型造成扰动的问题,提出了一种组合预测模型。首先利用Mallat算法对沉降序列进行分解和重构,分解并重构出非平稳时间序列中的平滑分量和细节分量;然后,对平滑分量用灰色模型进行拟合与初步预测,对细节分量则引入马尔可夫模型进行预测;最后,将各模型的预测结果进行叠加,从而得到原始沉降序列的预测值。该方法能充分拟合平滑分量数据,而且可避免对细节分量的过拟合,防止随机波动较大值造成模型的整体偏离。通过实例验算得出该模型具有很好的预测精度。 相似文献
12.
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
13.
14.
伪距多路径误差是影响GNSS导航定位精度的主要误差源之一。多路径误差与接收机周围环境有关,在实际应用中难以建立有效的多路径误差模型进行改正。对于多频GNSS接收机可以通过多频观测值组合估计伪距多路径,但该方法不适用于价格低廉的单频接收机,而导航中使用的大多数为单频接收机。因此,开展单频GNSS伪距多路径误差提取研究具有重要的工程应用价值。本文基于小波分析对单频GNSS接收机伪距多路径误差估计开展研究,首先验证了小波分析用于单频GNSS伪距多路径误差估计的可行性;其次,研究了采用不同的小波基和分解层次对多路径误差估计的影响;最后,研究了改正多路径误差对GNSS定位的影响。实验结果表明不同的小波基和分解层次对多路径误差提取效果没有明显的差别,但小波分解层次较低时定位误差分布相对更加集中,同时,经过多路径误差改正后在NEU3个方向RMS平均改善率达到20.4%、25.1%、16.4%。 相似文献
15.