小波理论在边坡监控中的应用研究new

小波理论在边坡监控中的应用研究new

ID:34470887

大小:3.79 MB

页数:86页

时间:2019-03-06

小波理论在边坡监控中的应用研究new_第1页
小波理论在边坡监控中的应用研究new_第2页
小波理论在边坡监控中的应用研究new_第3页
小波理论在边坡监控中的应用研究new_第4页
小波理论在边坡监控中的应用研究new_第5页
资源描述:

《小波理论在边坡监控中的应用研究new》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、河海大学硕士学位论文小波理论在边坡监控中的应用研究姓名:段鹏申请学位级别:硕士专业:大地测量学与测量工程指导教师:岳建平20080601摘要边坡工程的稳定状态,事关工程建设的成败与人民生命财产安全,及时、准确、全面了解边坡不同时期的稳定状态具有重要的意义。安全监测作为J下确评价边坡安全状态变化过程的手段,在边坡工程中逐步得到广泛的应用。由于边坡问题的复杂性,深入开展边坡安全监控理论和方法的研究,系统地分析所获得的监测信息显得十分重要。本文以天荒坪抽水蓄能电站“3.29滑坡”区高边坡为研究对象,结合小波分析技术,对边坡安全监控的理论和方法进行了

2、系统的研究,主要研究内容和结论如下:(1)研究了小波变换模极大值粗差探测法。小波变换模极大值法是直接对观测数据进行小波分析来判别粗差,避免了利用残差探测粗差时模型误差的影响。实例研究表明,只要选择合适的小波函数和分解尺度,该方法能较准确地探测出粗差或变形异常值。(2)研究了基于小波分析的3仃准则粗差探测法。该方法的实质就是根据测值本身的发展趋势来识别和剔除粗差。就其探测原理来说,也是对3仃准则粗差探测法的一种改进。仿真算例以及实例分析表明,该方法可以取得更好的粗差探测效果。(3)分析研究了PSO小波神经网络变形预测模型。对Morlet函数和S

3、igmoid函数的特点和性能分析表明,小波神经网络套用BP神经网络的梯度下降算法难以取得良好的预测效果。本文采用微粒群算法(PSO)对小波神经网络参数进行优化,并对PsO小波神经网络输入层节点数和隐含层节点数进行了优化改进。实例研究表明,PSO小波神经网络三步滚动预测模型具有预测精度高、预测值稳定性好等优点。(4)探讨了突变理论和属性识别理论在边坡安全综合评价中的应用。利用边坡的长期监测资料,建立了边坡安全的综合评价体系,通过计算出边坡不同时期的总突变值,得到边坡安全状态评价指标,进而得出边坡安全的动态发展趋势。通过属性识别方法较好地描述了评

4、价指标,得出的结果能较全面的反映边坡状态的多样性。关键词:边坡工程,监控模型,小波分析,粗差探测,变形预测,综合评价AbstmctAbstractThesucCess0rfailure0fen百neeringconstmction觚dthesafctiesofhum雅being,SIiVesandpossessionsarerelatiVetothestabilityofsIope,timely,accurate,comprehensiVeinquiringthestabilityofslopeindif!

5、'erentphasesisVef

6、yimponant.As粕imponanttool0fexactlyevaluatingthe暑lterationoftheslopestatus,safctymonitoringhasbeenpracticedinmanyslopeprojects.Duet0thecomplexityofslope,theresearchonthemonitoringtheoryisnotsystematic,孤dthc卸alysisofmonitoringdataisnotprofound.nem彻jt鲥nginf.o姗atj伽0f3.29一l卸dsli

7、deareaintheⅢanhu粗gpingnlmped-stora罢;ePowerPlantisstudiedinthedissertati蚰.Combiningwavelet柚alysis,aseriesofstudies∞thebasictheor)r锄dmethodofmonitorcontrolisconductedinthepaper.ThemaincontentSaIldrcsearchrcsultsarc弱follows:(1)Amethodofg阳sse11rordetectionb舔edonwaVelctt姗sl咖modu

8、lesm觚imumw舔studicd.Throughthcdircctlywavelet柚alysis0fob∞Ⅳationdata,thismethodavoidstheimpactofmodele盯0rinerrordeteCtingwithremaingrossc仃0r.Ca∞studyindicatesthat猫10ng弱choosingappropriatcwaveletfunction柚dfightdecompositionscale,rouglle玎or锄dcxcepti伽defomationValucc柚bcidentifie

9、dbythismethod.(2)Tlhemethodof3盯mle伊osse玎ordetectionba∞d伽wavelet柚alysisw勰stlldied.n

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。