基于小波去噪优化的变形监测数据处理及预测研究

发布时间：2020-03-20 07:42

【摘要】：随着科学技术的快速发展和进步,变形监测技术也在不断的丰富和提升。但是,目前绝大多数的作业单位仍在采用传统的变形监测方法和变形监测数据处理技术。即使改进了变形监测的方法,也主要体现在监测设备的改进上,在变形监测数据处理技术方面仍然存在许多不足之处。如果变形监测方法的快速发展没有强有效的数据处理技术作为支撑,那么变形监测及预测的效果将会存在很大的局限性,很难准确地反映出变形体的实际变化情况。因此,在丰富和提升变形监测方法的同时,必须对变形监测数据处理技术进行更加深入、全面且有效的研究。目前,变形监测数据处理技术的主要研究方向是利用先进、完备的数学理论及信号处理方法对变形体非线性且复杂的变形信号进行深入的分析,提取出变形体的变形趋势、规律及幅度,以此对变形体的变形情况进行稳定性分析,从而实现变形体的变形预报和有效防治。对于变形体变形信号的分析,国内外学者们从理论及实践两个方面提出了不同的方法。其中,结合具体的监测数据进行变形分析及预测预报在我国的重大工程中取得了广泛的应用,每一种进行变形预测的数学模型都拥有各自的特点及优势,同时也都具有不可避免的缺陷。研究表明,在变形分析中,先对原始观测数据采取一定的预处理方法进行去噪,再利用去噪后的数据建立相应的组合预测模型,其预测精度往往优于单一的非线性预测方法。本文立足于此,首先对非线性小波变换阈值去噪算法进行了优化研究,然后利用非线性小波变换阈值去噪优化算法对原始观测数据进行去噪处理,最后采用小波去噪优化后的数据对变形体进行变形分析并建立小波优化-GM(1,1)组合模型对变形体的变形趋势进行预测。本文通过理论分析、实验设计以及工程应用验证了非线性小波变换阈值去噪优化算法在建筑物变形监测数据处理及预测中的理论有效性以及工程实用性。具体的研究内容及主要成果包括:(1)系统地介绍了小波分析方法,重点说明非线性小波变换阈值去噪算法并对其进行了大量的优化研究,得到了能够有效适用于变形监测数据去噪处理的Sym7小波基函数、阈值函数与阈值估计最佳改进方法以及一种新的小波去噪质量复合评价指标M;(2)针对建筑物的变形分析,利用非线性小波变换阈值去噪优化算法对原始数据进行去噪处理,得到去噪后的变形曲线更加光滑,有效降低了原始数据突变对变形分析产生的不良影响,更好地反映了变形体的变形趋势、规律及幅度;(3)采用一种新的小波去噪质量复合评价指标M对建筑物变形监测数据经小波去噪优化处理后的效果进行去噪质量评价,得到了最佳分解与重构尺度,最大限度地保留了原始有用信号,剔除绝大部分噪声,这对建筑物变形监测数据处理具有一定的指导意义;(4)利用GM(1,1)模型和小波优化-GM(1,1)组合模型分别对建筑物的变形趋势进行预测,结果表明:小波优化-GM(1,1)组合模型的预测精度更高,预测结果更加稳定、可靠,进一步验证了本文的非线性小波变换阈值去噪优化算法的理论有效性以及工程实用性。
【图文】：

示意图,信号,小波基函数,噪声污染

成都理工大学专业硕士学位论文3.1.2 不同小波基函数去噪性能测试对加入信噪比为 5dB 和 15dB 的两种不同噪声污染的 Doppler 标准测试信号分别进行不同小波基函数去噪性能测试，Doppler 标准测试信号如图 3-1（a）所示，，5dB 和 15dB 的两种不同噪声污染下的 Doppler 标准测试信号分别如图 3-1（b）、图 3-1（c）所示。

软阈值法,处理结果,信噪比,阈值法

图 3-2 软阈值法对信噪比为 5dB 的 Doppler 标准测试信号处理结果图 3-3 硬阈值法对信噪比为 15dB 的 Doppler 标准测试信号处理结果对比分析图 3-2 及图 3-3，可知：
【学位授予单位】：成都理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TU196.1

【相似文献】