欢迎来到天天文库
浏览记录
ID:33088901
大小:2.80 MB
页数:79页
时间:2019-02-20
《基于小波技术的软土路基沉降数据分析方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、河海大学硕士学位论文基于小波技术的软土路基沉降数据分析方法研究姓名:田其煌申请学位级别:硕士专业:岩土工程指导教师:洪宝宁20070301摘要本文应用系统工程学的方法,从完善软基监控体系的监督机制入手,在科学制定软基监控程序等方面进行了系统的研究,建立合理、高效的软基监测数据管理系统,以提高现场监测数据的可靠性和时效性;为了减少不可避免的监测系统误差和人为因素给数据分析带来的不刹影响,在对沉降监测序列进行预处理的基础上,采用在信号处理领域应用较成熟的小波技术提取趋势项信息,以反映路基沉降的真实情况;并将小波神经网络非线性组合预测方法引入软基沉降预测中,以最大限度地
2、提高软基沉降预测的准确性。论文的主要工作如下:1、在分析当前我国软基监控管理体系中存在问题的基础上,提出了建立基于Intemet的高等级公路软基监控信息管理系统的基本方法;并对该系统设计的总体框架结构、设计原则和所需关键技术进行了研究;开发出的高等级公路软基监控网上申报系统,在佛山市一环城市快速干线软基处理工程中得到应用,取得了很好的效果。2、基于对高等级公路沉降监测的误差分析,总结适合于高等级公路软基沉降监测的精度指标、监测频率、监测原则和质量保证措施;对异常数据的成因进行分析,提出不同原因造成的异常数据的评判和处理方法;将考虑相关因素影响的MGM(1,n)模型
3、应用于软基沉降数据的插补中,并对模型的修正方法进行讨论,以提高沉降数据插补的精度。3、对软基沉降数据的小波去噪性能做了较为全面的实验研究。为了评价不同小波函数、阂值选取方法和边界拓展模式的小波去噪效果,文中基于软基沉降规律构造了小波分析的理想信号,并附加已知噪声进行实验测试。4、针对单个模型进行沉降分析时存在较大的局限性和预测准确性不高的情况,引入了组合预测模型;将小波神经网络的组合预测模型用来预测软土路基的沉降,并将其预测结果与各单项模型和BP神经网络计算的结果进行比较,以评价小波神经网络组合预测模型的在软基沉降预测领域的适用性。关键词:软土路基,沉降数据分析,
4、网络管理系统,MGM(1,n)模型,小波去噪,小波神经网络,组合预测AbstractTllisdissertationappliedsystemengineeringmethod,startedwithconsummatingthesupervisionmechanismofsoft—basemonitoringsystem,carriedthroughsystemicstudyonscientificestablishmentofsoft-basemonitoringprograrn.Thisdissertationsetupareasonable,hi曲一ef
5、ficientsoft-basemonitoringdatasupervisionsystemtoadvancethereliabilityandtime—effectivenessofscenemonitoringdata.InordertoreducetheadverseimpactsofinevitablemonitoringsystemerrorandartificialfactorsOildataanalysisandtoreflectthefactofroadbedsettlement,onthebasisofsettlementmonitorings
6、equencepreprocessing,Iadoptedthebetter_deVelopedwavelettechnologyinsignalprocessingtopickuptendencyinfoITnation.Ialsointroducedwaveletneuralnetworknonlinearcombinationforecastmethodinsoftbasesettlementforecasttofurthestadvancetheveracityofsoft.basesettlementforecast.Themainworkofthisd
7、issertationislistedasfollows:1.0nthebasisofanalyzingtheexistentproblemsofChina’ssoftbasemonitoringadministrationsystem,thisdissertationbroughtforwardthebasicmethodsonestablishingInteract-basedhigh-gradehighwaysoR-basemonitoringinformationsupervisionsystem.Ialsostudiedtheframework.desi
8、gnpri
此文档下载收益归作者所有