变形监测数据中的非线性时间序列处理方法研究

《变形监测数据中的非线性时间序列处理方法研究》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、挂林理工大学密级：——编号：!QQ!!鲤硕士研究生学位论文变形监测数据中的非线性时间序列处理方法研究专业：研究方向：研究生：指导教师：大地测量学与测量工程变形观测技术与工程信息系统胡兵文鸿雁教授论文起止Et期：2009年3月至2011年4月lineartimeseriesgdataMajor：GeodesyandSurveyingEngineeringDirectionofStudy：DeformationObservationTechnologyandInformationSystemofEngineeringGrad

2、uateStudent：Bing-HuSupervisor：Prof．Hongyan—WenCollegeofCivilEngineeringGuilinUniversityofTechnologyMarch，2009toApril，201棒林理T大学硕’t学位论文研究生学位论文独创性声I刿和版权仗用授权书独创性声明本人声明：所呈交的论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特J由IDn以标注和致谢的地方外，论文中不包含他人已经发表或撰写过的研究成果，也不包含为获得其它教育机构的学位或证--

3、t亭ir,使用过的材料。对论文的完成提供过帮助的有关人员已在论文中作了明确的说明并表示谢意。学位论文作者(签字)：趑签字日期：洫z￡：笸：丝学位论文版权使用授权书本学位论文作者完全了解(学校)有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的印刷本和电子版本，允许论文被查阅和借阅。本人授权(学校)可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。同时授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》，并通过网络向社会公众提供

4、信息服务。(保密的学位论文在解密后适用本授权书)学位论文作者签名：懒签字门期：知I，年6月细日导师签字：啪吨签字F1期：J勺11年6』jao闩柞林理T大学硕一}：学位论文摘要变形监测足【}4内外人地测量和防灾减火领域十分关注的边缘前沿课题之一。变形分析与预报足变形监测的重要内容，随着变形监测技术与手段的一体化、自动化、数字化、智能化，如何及时、有效地从大量变形监测数据巾，进行变形分析、解释，并对变形作更长期预报，对于建筑工程的安全施工和管理，变形机理解释有着重要意义与实用价值。时fHJ序列分析是变形分析与预测中的一个重要

5、研究方向，由于工程建筑物变形大多具有不规则、混沌等非线性特征，因此研究采用非线性方法对具有不规则、混沌等非线性特征时I、口J序列进行分析具有重要的理论和实用价值。本文从此角度出发，主要研究内容有：1．介绍了变形分析和预报的研究现状和发展趋势，对非线性时间序列进行概述，对于非线性时I’HJ序列分析常用方法进行介绍。2．针对变形监测数据中存在的噪声问题，根据小波的多分辨率与时频分析特点，用目前应用最广泛的阈值去噪方法对含有噪声的变形监测数据进行消噪处理，针对传统阂值选取方法中存在不连续性和伪吉前j斯现缘的问题，提出一种自适应

6、阈值去噪方法。结合实例，验证了此方法的有效性。3．研究了目ti；rt仁线性时间序列分析的热点．基于人工神经网络的分析方法。对人工神经网络的原理进行介绍，分析了BP网络和RBF网络，通过Matlab编程并应用实例证明RBF网络预测效果优于人工神经网络中最常用的BP网络，由此得出RBF网络在变形监测数据预测巾具有较好实用价值。4．对具有混沌特性非线性变形系统，引入混沌理论，在村I宅问重构的基础上，采用最大李业普诺夫指数特征量对变形监测数据进行混池识别，结果显示变形监测时问序列中含有混沌。建立了基于李雅普诺犬指数预测，利用神经

7、网络良好特性对混沌时间序列进行分析预测，采用实例分析比较得出神经网络不仅能够很好拟合历史数据，还能对系统的未来状念作出更准确预测。随着非线性科学快速发展，基于神经网络和混沌理论的方法将在非线性时问序列分析中发挥更重要作用，其应用必将更加广泛。关键词：非线性时『fIJ序列；神经网络；小波分析；混沌时问序列；变形分析歹柞林理T大学硕士学位论文AbstractDeformationmonitoringisoneofthemarginal，advancedsubjectthatareconcernedbydomesticandi

8、nternationalgeodesyanddisasterpreventionandmitigationfields．Deformationanalysisandpredictionisanimportantcontentofthedeformationmonitoring，withintegration，auto