基于EEMD-PCA模型的大坝变形数据消噪分析
发布时间：2021-09-07 21:43
在大坝变形监测领域中,由于实际工程的复杂性,以及外界环境的不确定性,获得的变形观测数据往往存在一定的误差。而误差的存在,直接导致了观测数据波动性的增强,在一定程度上掩盖了工程的实际变形情况;严重时,由于从观测数据获得信息与实际变形情况完全不符,则会导致对工程安全的判断及决策的失误,进而造成重大人身和财产方面的损害。各类消噪方法也被应用于实际中来消除数据的误差,但传统消噪模型由于各自的局限性,已逐渐不能满足现在的工程需求,且大多传统模型需要根据工程情况,手动调整模型参数,缺乏自适应性。本文针对此种情况,提出一种基于集合经验模态分解（EEMD）和主成分分析（PCA）的新的消噪方法,并在此基础上,结合自回归移动平均模型（ARIMA）提出一种基于EEMD-PCA-ARIMA的大坝变形数据预测模型。应用仿真数据与大坝实测数据进行实验分析,同时,将多指标综合评价理论引入消噪结果的评价中。结果表明:（1）EEMD-PCA的消噪方法对于大坝变形数据的消噪处理行之有效,且具有一定的自适应性;（2）EEMD-PCA-ARIMA的大坝变形数据预测模型能够更好的获取大坝的实际变形曲线,从而取得较好的预测精度;...
【文章来源】：桂林理工大学广西壮族自治区
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
EMD算法流程图
经 EMD 分解后的信号能够通过叠合从而恢复原始信号，体现了EMD 分解的完备性。EMD 分解过程的完备性是由分解过程的可逆性体现的，即原始信号能够通过分解后的各 IMF 分量及余量的叠合重新获得，Huang 及大量学者证明还原过程中产生的偏差意是由于计算机统计的精度误差所造成的，属于极小量级，可以作为原始信号处理。2.1.1.3 EMD 存在的问题EMD 分解也存在一些问题，主要表现在为分解得到的各阶 IMF 之间容易出现模态混淆效应。模态混淆现象往往造成分解的 IMF 分量不精确，Huang 等人认为其本质上是极值点的选择导致的信号间歇现象。一般情况下，只要在一个 IMF 分量中出现了多个尺度的信号或者在不同的 IMF 分量中出现了相同尺度的尺度，就认为发生了模态混淆现象。
图 2.3 模拟信号 EMD 分解2.1.2 EEMD 分解Huang 曾在地震数据加入了极小幅度的噪声用以阻止低频 IMF 分量的扩散，这是首次把噪声辅助的方法引入 EMD 分解中，但并没有引起他的重视，进行后续研究。而法国的 Flandrin 才真正意义上开创了噪声辅助对于抑制 EMD 分解出现的模态混淆方面的研究[61]。Huang 由此获得思路，通过对原始信号中加入白噪声进而进行 EMD 分解，得出结论：EMD 的分解作用与二进制自适应滤波器是相类似的，即分解出的每一个 IMF 分量的频率大约都是前一个 IMF 的两倍；由于白噪声在在整个时频空间以及所有尺度下均匀分布，EMD 作为一种类似于二进制滤波器的存在，如果待分解信号不能在所有尺度下都分布，分解时在一些尺度上会丢失信息，所以可能就会导致模态混淆现象。在此基础上提出了解决 EMD模态混淆现象的改进算法，即 EEMD。
【参考文献】：
期刊论文
[1]基于EEMD-GA-BP模型的大坝变形监测数据预测[J]. 晏红波,周斌,卢献健,刘海锋. 长江科学院院报. 2019(09)
[2]基于EEMD-PCA-ARIMA模型的大坝变形预测[J]. 郑旭东,陈天伟,王雷,段青达,甘若. 长江科学院院报. 2020(03)
[3]防洪减灾研究进展[J]. 向立云,张大伟,何晓燕,李娜,刘舒,孙东亚. 中国水利水电科学研究院学报. 2018(05)
[4]基于双树复小波的变形监测数据去噪分析[J]. 罗甘,梁月吉,黄仪邦. 大地测量与地球动力学. 2018(09)
[5]基于EEMD-SARIMA的对流层延迟预测模型研究[J]. 任超,刘中流,梁月吉,甘祥前. 大地测量与地球动力学. 2018(09)
[6]大坝变形的去噪傅里叶模型预测[J]. 杨庆,任超. 测绘科学. 2019(02)
[7]相关性的组合预测模型在开采沉陷中的应用[J]. 王金涛,郭广礼,郭庆彪,赵自强,徐孟强,郭凯凯. 测绘科学. 2017(10)
[8]基于Kalman-ARIMA模型的大坝变形预测[J]. 薛洋,杨光,许雷. 中国农村水利水电. 2016(12)
[9]大桥GPS动态监测去噪方法[J]. 吴杰,苗恒亚,左工,余腾,李泽良. 测绘科学. 2016(10)
[10]小波-神经网络混合模型预测地下水水位[J]. 张建锋,刘见宝,崔树军,谢玉华. 长江科学院院报. 2016(08)
博士论文
[1]环滇池地区城市空间演变及优化研究[D]. 陈长瑶.东北师范大学 2018
[2]洪涝灾害的经济影响与防灾减灾能力评估研究[D]. 曹玮.湖南大学 2013
[3]湘西高速公路滑坡监测关键技术及监测信息系统研究[D]. 周勇.中南大学 2012
[4]黄河小浪底水利枢纽大坝变形预测方法研究与分析[D]. 吕开云.中国矿业大学(北京) 2012
[5]GPS变形监测数据的小波分析与应用研究[D]. 袁德宝.中国矿业大学（北京） 2009
[6]基于小波理论的变形分析模型研究[D]. 文鸿雁.武汉大学 2004
硕士论文
[1]GNSS多系统动态变形监测中多路径误差消除技术研究[D]. 张成龙.安徽理工大学 2018
[2]基于EMD的变形监测数据去噪与变形趋势提取研究[D]. 董振川.西南交通大学 2018
[3]EM算法及其在变形监测数据处理中的应用[D]. 姬方.长沙理工大学 2013
[4]基于EMD算法的遥感图像融合方法的研究[D]. 白超.燕山大学 2012
[5]自适应卡尔曼滤波在变形监测数据处理中的应用研究[D]. 李奕.成都理工大学 2012
[6]小波理论在大坝变形监测数据分析中的应用研究[D]. 杨丽.西安理工大学 2010
本文编号：3390295
【文章来源】：桂林理工大学广西壮族自治区
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
EMD算法流程图
经 EMD 分解后的信号能够通过叠合从而恢复原始信号，体现了EMD 分解的完备性。EMD 分解过程的完备性是由分解过程的可逆性体现的，即原始信号能够通过分解后的各 IMF 分量及余量的叠合重新获得，Huang 及大量学者证明还原过程中产生的偏差意是由于计算机统计的精度误差所造成的，属于极小量级，可以作为原始信号处理。2.1.1.3 EMD 存在的问题EMD 分解也存在一些问题，主要表现在为分解得到的各阶 IMF 之间容易出现模态混淆效应。模态混淆现象往往造成分解的 IMF 分量不精确，Huang 等人认为其本质上是极值点的选择导致的信号间歇现象。一般情况下，只要在一个 IMF 分量中出现了多个尺度的信号或者在不同的 IMF 分量中出现了相同尺度的尺度，就认为发生了模态混淆现象。
图 2.3 模拟信号 EMD 分解2.1.2 EEMD 分解Huang 曾在地震数据加入了极小幅度的噪声用以阻止低频 IMF 分量的扩散，这是首次把噪声辅助的方法引入 EMD 分解中，但并没有引起他的重视，进行后续研究。而法国的 Flandrin 才真正意义上开创了噪声辅助对于抑制 EMD 分解出现的模态混淆方面的研究[61]。Huang 由此获得思路，通过对原始信号中加入白噪声进而进行 EMD 分解，得出结论：EMD 的分解作用与二进制自适应滤波器是相类似的，即分解出的每一个 IMF 分量的频率大约都是前一个 IMF 的两倍；由于白噪声在在整个时频空间以及所有尺度下均匀分布，EMD 作为一种类似于二进制滤波器的存在，如果待分解信号不能在所有尺度下都分布，分解时在一些尺度上会丢失信息，所以可能就会导致模态混淆现象。在此基础上提出了解决 EMD模态混淆现象的改进算法，即 EEMD。
【参考文献】：
期刊论文
[1]基于EEMD-GA-BP模型的大坝变形监测数据预测[J]. 晏红波,周斌,卢献健,刘海锋. 长江科学院院报. 2019(09)
[2]基于EEMD-PCA-ARIMA模型的大坝变形预测[J]. 郑旭东,陈天伟,王雷,段青达,甘若. 长江科学院院报. 2020(03)
[3]防洪减灾研究进展[J]. 向立云,张大伟,何晓燕,李娜,刘舒,孙东亚. 中国水利水电科学研究院学报. 2018(05)
[4]基于双树复小波的变形监测数据去噪分析[J]. 罗甘,梁月吉,黄仪邦. 大地测量与地球动力学. 2018(09)
[5]基于EEMD-SARIMA的对流层延迟预测模型研究[J]. 任超,刘中流,梁月吉,甘祥前. 大地测量与地球动力学. 2018(09)
[6]大坝变形的去噪傅里叶模型预测[J]. 杨庆,任超. 测绘科学. 2019(02)
[7]相关性的组合预测模型在开采沉陷中的应用[J]. 王金涛,郭广礼,郭庆彪,赵自强,徐孟强,郭凯凯. 测绘科学. 2017(10)
[8]基于Kalman-ARIMA模型的大坝变形预测[J]. 薛洋,杨光,许雷. 中国农村水利水电. 2016(12)
[9]大桥GPS动态监测去噪方法[J]. 吴杰,苗恒亚,左工,余腾,李泽良. 测绘科学. 2016(10)
[10]小波-神经网络混合模型预测地下水水位[J]. 张建锋,刘见宝,崔树军,谢玉华. 长江科学院院报. 2016(08)
博士论文
[1]环滇池地区城市空间演变及优化研究[D]. 陈长瑶.东北师范大学 2018
[2]洪涝灾害的经济影响与防灾减灾能力评估研究[D]. 曹玮.湖南大学 2013
[3]湘西高速公路滑坡监测关键技术及监测信息系统研究[D]. 周勇.中南大学 2012
[4]黄河小浪底水利枢纽大坝变形预测方法研究与分析[D]. 吕开云.中国矿业大学(北京) 2012
[5]GPS变形监测数据的小波分析与应用研究[D]. 袁德宝.中国矿业大学（北京） 2009
[6]基于小波理论的变形分析模型研究[D]. 文鸿雁.武汉大学 2004
硕士论文
[1]GNSS多系统动态变形监测中多路径误差消除技术研究[D]. 张成龙.安徽理工大学 2018
[2]基于EMD的变形监测数据去噪与变形趋势提取研究[D]. 董振川.西南交通大学 2018
[3]EM算法及其在变形监测数据处理中的应用[D]. 姬方.长沙理工大学 2013
[4]基于EMD算法的遥感图像融合方法的研究[D]. 白超.燕山大学 2012
[5]自适应卡尔曼滤波在变形监测数据处理中的应用研究[D]. 李奕.成都理工大学 2012
[6]小波理论在大坝变形监测数据分析中的应用研究[D]. 杨丽.西安理工大学 2010
本文编号：3390295
本文链接：https://www.wllwen.com/kejilunwen/shuiwenshuili/3390295.html
