小波分析和组合模型在沉降预计中的应用研究

发布时间：2017-03-19 14:09

  本文关键词：小波分析和组合模型在沉降预计中的应用研究，由笔耕文化传播整理发布。

【摘要】：随着都市的发展,其建设向空间发展已成为都市进步的主要方向之一。随着当代社会进程持续不断的加快,大型桥梁以及水利工程建设也将随之增加。这些大型工程和建设项目给我们生活带来了很多便利,促进了社会的发展,与此同时也存在者很多潜在的安全隐患。高层建筑的更大的尺寸和高度,要求其稳定性和安全性,所以需要增加基础和开挖深度的承载能力,以保证各种管道以及邻近建筑物的稳定性和安全性。按照设计的要求以一定的频率定期对高层建筑物沉降进行监测,根据对这些观测数据的处理分析,正确估计建筑物沉降变形的趋势,以便能够及时采取措施,防止灾害事故的发生,以此来保证建筑物和人员的安全。本文利用小波变换阈值降噪的方法,处理建筑物沉降变形监测数据以及对观测数据进行预测研究。本文结合某市名流印象2期建筑物沉降观测实例,选取有代表性的监测点进行分析研究。首先,根据实际观测数据利用不同的模型分别计算,根据不同预测模型的预测结果,比较分析其各自的优缺点；其次,选用软阈值小波降噪的方法,对工程实例中原始观测数据进行预处理；最后,利用时间—灰色组合预测、单纯的灰色预测和时间序列预测分别对原始观测数据和经过小波降噪后得到的新数据进行预测计算,对其预测结果进行比较分析得出结论。对比结果表明,利用组合预测模型预测得到的结果要优于单一的模型预测的结果,经过小波降噪后的数据使原始观测数据的光滑度有所提高,这能在一定程度上提高预测模型的预测的精度及可靠性。
【关键词】：变形监测 灰色系统理论 时间序列模型 小波降噪 组合模型
【学位授予单位】：安徽理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TU196.2
【目录】：

• 摘要5-6
• Abstract6-11
• 1 绪论11-17
• 1.1 选题背景及意义11-12
• 1.2 沉降预测模型及其研究现状12-15
• 1.3 存在的问题15
• 1.4 研究主要内容及结构15-17
• 1.4.1 主要内容15-16
• 1.4.2 文章结构16-17
• 2 经典预测模型及其性能分析17-33
• 2.1 经典预测模型17-25
• 2.1.1 多元线性回归分析17-19
• 2.1.2 灰色系统分析模型19-21
• 2.1.3 时间序列模型21-22
• 2.1.4 卡尔曼滤波模型22-25
• 2.2 模型分析25-32
• 2.3 本章小结32-33
• 3 小波变换基本理论33-49
• 3.1 小波变换原理与方法33-36
• 3.1.1 小波变换原理33
• 3.1.2 连续小波变换33-35
• 3.1.3 离散小波变换35-36
• 3.2 常用的经典小波函数及性质36-44
• 3.2.1 小波基的数学特性36-37
• 3.2.2 常用的小波函数37-44
• 3.3 小波变换降噪的原理44-49
• 3.3.1 基本降噪模型与原理44-46
• 3.3.2 一维信号降噪步骤46-48
• 3.3.3 小波降噪效果评价指标48-49
• 4 小波降噪与组合预测实例分析49-77
• 4.1 工程简介49-51
• 4.1.1 工程概况49-50
• 4.1.2 测量仪器及观测方法50
• 4.1.3 基准点的埋设及监测点的布设50-51
• 4.1.4 沉降观测点的观测51
• 4.2 沉降观测数据小波去噪处理51-62
• 4.2.1 小波阈值去噪52-61
• 4.2.2 去噪效果分析61-62
• 4.3 沉降量组合预测分析62-76
• 4.3.1 GM(1,1)灰色预测63-67
• 4.3.2 时间序列模型预测67-72
• 4.3.3 灰色时间组合模型预测72-76
• 4.4 本章小结76-77
• 5 结论与展望77-79
• 参考文献79-82
• 致谢82-83
• 作者简介83

【相似文献】

中国期刊全文数据库 前10条

1 杨忠;;负荷(曲线)预测的一种时间序列模型[J];黑龙江电力技术;1982年04期

2 罗杰D·汉森;兰杰桑·纳拉园安;冯文华;;城市需水量日变化时间序列模型[J];海河水利;1983年S1期

3 徐南荣;焦小澄;;平稳时间序列模型的结构判定[J];南京工学院学报;1984年01期

4 强锡富,周卫东;表面粗糙度的时间序列模型[J];仪器仪表学报;1990年02期

5 涂雄苓;;发电量的时间序列模型构建及实证分析[J];经济研究导刊;2011年21期

6 邱望仁;刘晓东;贺建军;;广义模糊时间序列模型模糊区间划分研究[J];大连理工大学学报;2013年03期

7 王百益;;时间序列模型在汽车随机振动分析中的应用研究[J];武汉工学院学报;1988年04期

8 张娟;王慧锋;;股票时间序列模型的关联规则挖掘[J];天津理工大学学报;2006年02期

9 王剑英;马戈;许洪范;;基于修正的时间序列模型对冲击负荷的预测[J];数学的实践与认识;2009年18期

10 胡泽文;肖明清;;基于时间序列模型的故障预测研究[J];计算机测量与控制;2013年06期

中国重要会议论文全文数据库 前4条

1 汪宏晶;林曦晨;汤洪秀;尹平;;多元时间序列模型及其应用[A];2011年中国卫生统计学年会会议论文集[C];2011年

2 史青;练晓华;;时间序列模型在地铁结构变形预测中的应用[A];第十五届华东六省一市测绘学会学术交流会论文集（江苏上海论文分册）[C];2012年

3 黄荣坦;;厦门港集装箱吞吐量的时间序列模型[A];2002年中国管理科学学术会议论文集[C];2002年

4 赵庆江;迟凯;付芳萍;李潮潮;车文刚;;基于FCM的模糊时间序列模型及人民币汇率预测[A];第二十九届中国控制会议论文集[C];2010年

中国重要报纸全文数据库 前2条

1 国海证券研究所;时间序列模型预测3月CPI为—1.26%[N];上海证券报;2009年

2 罗佐县;勘探投资须研究规律提高效率[N];中国石化报;2008年

中国博士学位论文全文数据库 前3条

1 赵彪;两类时间序列模型的统计推断[D];中国科学技术大学;2015年

2 尚华;两类时间序列模型的异常值检测研究[D];首都经济贸易大学;2016年

3 邱望仁;模糊时间序列模型及其在股指趋势分析中的应用研究[D];大连理工大学;2012年

中国硕士学位论文全文数据库 前10条

1 段炼;基于时间序列模型的日内交易策略在A股市场上的应用[D];复旦大学;2014年

2 李金玲;基于特征展开法的模糊时间序列模型的约减算法[D];大连海事大学;2015年

3 王鹏飞;基于自相关函数的模糊时间序列模型的优化算法[D];大连海事大学;2015年

4 孙自珂;风电并网对电力系统可靠性影响研究[D];山东大学;2015年

5 李修成;城市范围内PM2.5时间预测研究[D];哈尔滨工业大学;2015年

6 王倩;非线性时间序列模型研究及实证分析[D];电子科技大学;2014年

7 刘洋;基于SVM修正的模糊时间序列模型在沪指预测中的应用[D];南京大学;2015年

8 尹小琴;基于支持向量机的混合时间序列模型的研究与应用[D];沈阳工业大学;2016年

9 马云飞;多因素模糊时间序列预测模型的研究[D];大连海事大学;2016年

10 刘丑娟;基于变参数粒子群的模糊时间序列模型的研究[D];大连海事大学;2016年

  本文关键词：小波分析和组合模型在沉降预计中的应用研究，，由笔耕文化传播整理发布。

本文编号：256168