基于小波变换的变形监测应用研究
发布时间：2021-10-13 21:00
论文采用小波变换对变形监测数据进行不同频带分离与变形信号消噪处理,同时进行平滑处理。利用该方法可以减少外界因素的干扰,提高预测精度。结合工程实例进行验证,同时将小波变化模型与传统的灰色预测模型、卡尔曼滤波模型、动态灰色模型进行对比,结果显示,利用小波变换进行变形监测的精度比上述传统模型精度高,小波变换取得的效果较好。
【文章来源】：软件. 2019,40(04)
【文章页数】：4 页
【部分图文】：
变化尺度（mm）横坐标：时间尺度图1小波分解变化纵坐标：小波
原智华：基于小波变换的变形监测应用研究153《软件》杂志欢迎推荐投稿：cosoft@vip.163.com表4小波变换Tab.4Wavelettransform期数12345678910观测值(mm)62.6963.1662.8362.3962.2162.1561.8661.2860.9160.34滤波值(mm)62.7762.1962.7762.4162.262.1261.8161.4861.3360.83期数11121314151617181920观测值(mm)59.6959.0958.7658.5458.358.1857.9657.8557.4957.07滤波值(mm)60.2859.7558.2658.8758.6158.3358.0657.7157.4657.1图2原始数据与软阈值消噪后观测数据对比Fig.2Comparisonofrawdatawithsoftthresholddenoising从图2可以看出来，经小波变换消噪后，数据变得更加平滑，剔除了噪声的影响，更能看出变形的趋势。将卡尔曼滤波、小波变换、传统的GM模型、动态GM模型进行对比，对比结果如下图所示。图3预测结果对比Fig.3Comparisonofpredictionresults由对比结果可以看出，小波变换剔除外界误差之后，更能反应出变形规律，对于预测基坑的变形更加有效。5结束语在对变形监测数据进行降噪的过程中，小波变换是一种有效的手段。小波分解可以将原始信号分解为频带不同的信号，为分析噪声和变形体的物理变形和噪声来源提供了根据。所以小波变换在变形监测数据处理中，小波变换的应用是一种有效的，具有优势的，具有前景的一种手段。参考文献[1]信冠栋,施昆,吕晓阳.遥感动态监测模型在拉市海湿地保护区土地利用中的研究[J].软件,2018,39(4):170-175.[2]丁知平.量子混沌自适应粒子群优化算法的研究[J].软件,2018,39(4):09-14.[3]刘婉静,田璐泽,陈硕,等.基于灰色预测法对移动端考研产品的研讨[J].软件,2018,39(2):161-163.[4]王利.公路边坡监测理论与GPS一机多天线系统研?
滤波值(mm)62.7762.1962.7762.4162.262.1261.8161.4861.3360.83期数11121314151617181920观测值(mm)59.6959.0958.7658.5458.358.1857.9657.8557.4957.07滤波值(mm)60.2859.7558.2658.8758.6158.3358.0657.7157.4657.1图2原始数据与软阈值消噪后观测数据对比Fig.2Comparisonofrawdatawithsoftthresholddenoising从图2可以看出来，经小波变换消噪后，数据变得更加平滑，剔除了噪声的影响，更能看出变形的趋势。将卡尔曼滤波、小波变换、传统的GM模型、动态GM模型进行对比，对比结果如下图所示。图3预测结果对比Fig.3Comparisonofpredictionresults由对比结果可以看出，小波变换剔除外界误差之后，更能反应出变形规律，对于预测基坑的变形更加有效。5结束语在对变形监测数据进行降噪的过程中，小波变换是一种有效的手段。小波分解可以将原始信号分解为频带不同的信号，为分析噪声和变形体的物理变形和噪声来源提供了根据。所以小波变换在变形监测数据处理中，小波变换的应用是一种有效的，具有优势的，具有前景的一种手段。参考文献[1]信冠栋,施昆,吕晓阳.遥感动态监测模型在拉市海湿地保护区土地利用中的研究[J].软件,2018,39(4):170-175.[2]丁知平.量子混沌自适应粒子群优化算法的研究[J].软件,2018,39(4):09-14.[3]刘婉静,田璐泽,陈硕,等.基于灰色预测法对移动端考研产品的研讨[J].软件,2018,39(2):161-163.[4]王利.公路边坡监测理论与GPS一机多天线系统研究[D].西安:长安大学,2006.[5]黄声享,尹晖,蒋征.变形监测数据处理[M].武汉大学出版社,2012.[6]邓聚龙.灰色系统基本方法[M].武汉:华中理工大学出版社,1987.96-164.[7]邓聚龙.灰色系统论文集[M].武汉:华中理工大学出版
本文编号：3435395
【文章来源】：软件. 2019,40(04)
【文章页数】：4 页
【部分图文】：
变化尺度（mm）横坐标：时间尺度图1小波分解变化纵坐标：小波
原智华：基于小波变换的变形监测应用研究153《软件》杂志欢迎推荐投稿：cosoft@vip.163.com表4小波变换Tab.4Wavelettransform期数12345678910观测值(mm)62.6963.1662.8362.3962.2162.1561.8661.2860.9160.34滤波值(mm)62.7762.1962.7762.4162.262.1261.8161.4861.3360.83期数11121314151617181920观测值(mm)59.6959.0958.7658.5458.358.1857.9657.8557.4957.07滤波值(mm)60.2859.7558.2658.8758.6158.3358.0657.7157.4657.1图2原始数据与软阈值消噪后观测数据对比Fig.2Comparisonofrawdatawithsoftthresholddenoising从图2可以看出来，经小波变换消噪后，数据变得更加平滑，剔除了噪声的影响，更能看出变形的趋势。将卡尔曼滤波、小波变换、传统的GM模型、动态GM模型进行对比，对比结果如下图所示。图3预测结果对比Fig.3Comparisonofpredictionresults由对比结果可以看出，小波变换剔除外界误差之后，更能反应出变形规律，对于预测基坑的变形更加有效。5结束语在对变形监测数据进行降噪的过程中，小波变换是一种有效的手段。小波分解可以将原始信号分解为频带不同的信号，为分析噪声和变形体的物理变形和噪声来源提供了根据。所以小波变换在变形监测数据处理中，小波变换的应用是一种有效的，具有优势的，具有前景的一种手段。参考文献[1]信冠栋,施昆,吕晓阳.遥感动态监测模型在拉市海湿地保护区土地利用中的研究[J].软件,2018,39(4):170-175.[2]丁知平.量子混沌自适应粒子群优化算法的研究[J].软件,2018,39(4):09-14.[3]刘婉静,田璐泽,陈硕,等.基于灰色预测法对移动端考研产品的研讨[J].软件,2018,39(2):161-163.[4]王利.公路边坡监测理论与GPS一机多天线系统研?
滤波值(mm)62.7762.1962.7762.4162.262.1261.8161.4861.3360.83期数11121314151617181920观测值(mm)59.6959.0958.7658.5458.358.1857.9657.8557.4957.07滤波值(mm)60.2859.7558.2658.8758.6158.3358.0657.7157.4657.1图2原始数据与软阈值消噪后观测数据对比Fig.2Comparisonofrawdatawithsoftthresholddenoising从图2可以看出来，经小波变换消噪后，数据变得更加平滑，剔除了噪声的影响，更能看出变形的趋势。将卡尔曼滤波、小波变换、传统的GM模型、动态GM模型进行对比，对比结果如下图所示。图3预测结果对比Fig.3Comparisonofpredictionresults由对比结果可以看出，小波变换剔除外界误差之后，更能反应出变形规律，对于预测基坑的变形更加有效。5结束语在对变形监测数据进行降噪的过程中，小波变换是一种有效的手段。小波分解可以将原始信号分解为频带不同的信号，为分析噪声和变形体的物理变形和噪声来源提供了根据。所以小波变换在变形监测数据处理中，小波变换的应用是一种有效的，具有优势的，具有前景的一种手段。参考文献[1]信冠栋,施昆,吕晓阳.遥感动态监测模型在拉市海湿地保护区土地利用中的研究[J].软件,2018,39(4):170-175.[2]丁知平.量子混沌自适应粒子群优化算法的研究[J].软件,2018,39(4):09-14.[3]刘婉静,田璐泽,陈硕,等.基于灰色预测法对移动端考研产品的研讨[J].软件,2018,39(2):161-163.[4]王利.公路边坡监测理论与GPS一机多天线系统研究[D].西安:长安大学,2006.[5]黄声享,尹晖,蒋征.变形监测数据处理[M].武汉大学出版社,2012.[6]邓聚龙.灰色系统基本方法[M].武汉:华中理工大学出版社,1987.96-164.[7]邓聚龙.灰色系统论文集[M].武汉:华中理工大学出版
本文编号：3435395
本文链接：https://www.wllwen.com/projectlw/xtxlw/3435395.html
