基于小波去噪的非等间距多点灰色预测模型
发布时间:2021-03-05 12:58
基于某基坑多个沉降监测点的非等间距观测数据,对小波去噪前后的观测数据建立非等间距多点灰色预测模型。通过对比分析,基于小波去噪的非等间距多点灰色模型的预测精度高于非等间距多点灰色模型的预测精度,适合在变形预测中应用。
【文章来源】:测绘地理信息. 2018,43(03)
【文章页数】:4 页
【部分图文】:
图1去噪效果Fig.1ResultofDe-noisingEffect
35.241111926.1929.6223.882.042.791.817.631212626.6830.1824.322.232.161.486.701212626.1329.5623.862.782.771.948.561313426.3829.7624.092.712.721.978.421313426.1029.5523.882.992.932.189.22均值0.791.010.623.90均值0.941.090.754.92拟合精度σ1.67拟合精度σ2.60图2两个模型拟合值及预测值对比Fig.2ComparisonofFittingValuesandPredictiveValuesforTwoModel表3两种模型预测结果对比Tab.3ComparisonoftheForecastResultsforTwoModel模型建模数据拟合精度/mm12期预测精度/%13期预测精度/%珋ρ/%非等间距多点灰色预测模型112.608.569.224.92小波-非等间距多点灰色预测模型111.676.708.423.90硬阈值法去噪会将不属于噪音的有用信息去掉,所以本文采用的软阈值法去噪更具工程实用性。2)基于小波去噪的非等间距多点灰色预测模型解决了原模型无法实现对非平稳、含噪时间序列信号进行优化处理的问题,使原模型的拟合精度和预测精度得到了提高,是一种优于非等间距多点灰色预测模型的有效预测方法,适合在变形预测中应用。不过,本文用于小波去噪处理的数据量少,而且小波基是靠经验和多次实验对比选取的,这对后期建
【参考文献】:
期刊论文
[1]非等间距多点变形预测模型及其应用[J]. 尹晖,周晓庆,张晓鸣. 测绘学报. 2016(10)
[2]小波去噪和新陈代谢GM(1,1)相结合应用于变形预报[J]. 康超,黄声享,李洋洋. 测绘地理信息. 2015(06)
[3]基于小波去噪的高铁沉降预测模型研究[J]. 刘闯,花向红,赵杰,王中华. 测绘地理信息. 2015(01)
[4]变形序列小波消噪最佳分解尺度量化指标的确定[J]. 向东,贡建兵. 武汉大学学报(信息科学版). 2014(04)
[5]时序数据去噪中的小波策略及评价指标[J]. 尹晖,朱锋. 武汉大学学报(信息科学版). 2012(11)
[6]小波分析桥梁变形监测数据处理[J]. 王建波,栾元重,许君一,刘娜. 测绘科学. 2012(03)
[7]贫信息条件下的多点变形预测模型及其应用[J]. 尹晖,陈永奇,张琰. 测绘学报. 1997(04)
本文编号:3065242
【文章来源】:测绘地理信息. 2018,43(03)
【文章页数】:4 页
【部分图文】:
图1去噪效果Fig.1ResultofDe-noisingEffect
35.241111926.1929.6223.882.042.791.817.631212626.6830.1824.322.232.161.486.701212626.1329.5623.862.782.771.948.561313426.3829.7624.092.712.721.978.421313426.1029.5523.882.992.932.189.22均值0.791.010.623.90均值0.941.090.754.92拟合精度σ1.67拟合精度σ2.60图2两个模型拟合值及预测值对比Fig.2ComparisonofFittingValuesandPredictiveValuesforTwoModel表3两种模型预测结果对比Tab.3ComparisonoftheForecastResultsforTwoModel模型建模数据拟合精度/mm12期预测精度/%13期预测精度/%珋ρ/%非等间距多点灰色预测模型112.608.569.224.92小波-非等间距多点灰色预测模型111.676.708.423.90硬阈值法去噪会将不属于噪音的有用信息去掉,所以本文采用的软阈值法去噪更具工程实用性。2)基于小波去噪的非等间距多点灰色预测模型解决了原模型无法实现对非平稳、含噪时间序列信号进行优化处理的问题,使原模型的拟合精度和预测精度得到了提高,是一种优于非等间距多点灰色预测模型的有效预测方法,适合在变形预测中应用。不过,本文用于小波去噪处理的数据量少,而且小波基是靠经验和多次实验对比选取的,这对后期建
【参考文献】:
期刊论文
[1]非等间距多点变形预测模型及其应用[J]. 尹晖,周晓庆,张晓鸣. 测绘学报. 2016(10)
[2]小波去噪和新陈代谢GM(1,1)相结合应用于变形预报[J]. 康超,黄声享,李洋洋. 测绘地理信息. 2015(06)
[3]基于小波去噪的高铁沉降预测模型研究[J]. 刘闯,花向红,赵杰,王中华. 测绘地理信息. 2015(01)
[4]变形序列小波消噪最佳分解尺度量化指标的确定[J]. 向东,贡建兵. 武汉大学学报(信息科学版). 2014(04)
[5]时序数据去噪中的小波策略及评价指标[J]. 尹晖,朱锋. 武汉大学学报(信息科学版). 2012(11)
[6]小波分析桥梁变形监测数据处理[J]. 王建波,栾元重,许君一,刘娜. 测绘科学. 2012(03)
[7]贫信息条件下的多点变形预测模型及其应用[J]. 尹晖,陈永奇,张琰. 测绘学报. 1997(04)
本文编号:3065242
本文链接:https://www.wllwen.com/projectlw/xtxlw/3065242.html