基于emd的变形预测组合模型的研究与应用

《基于emd的变形预测组合模型的研究与应用》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、分类号:P2210710-2013226003专业硕士学位论文基于EMD的变形预测组合模型的研究与应用李雪导师姓名职称杨建华副教授专业学位类别申请学位级别专业硕士测绘工程及领域名称论文提交日期2015年6月5日论文答辩日期2015年6月9日学位授予单位长安大学ResearchandApplicationofCombinedDeformationPredictionModelBasedonEMDADissertationSubmittedfortheDegreeofMasterCandidate：LiXueSupervisor：AssociateProf.YangJianhua

2、Chang’anUniversity,Xi’an,China论文独创性声明本人声明：本人所呈交的学位论文是在导师的指导下，独立进行研究工作所取得的成果。除论文中已经注明引用的内容外，对论文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本论文中不包含任何未加明确注明的其他个人或集体已经公开发表的成果。本声明的法律责任由本人承担。论文作者签名.•年〈月J曰论文知识产权权属声明本人在导师指导下所完成的论文及相关的职务作品，知识产权归属学校。学校享有以任何方式发表、复制、公开阅览、借阅以及申请专利等权利。本人离校后发表或使用学位论文或与该论文直接相关的学术论文或成果时，署

3、名单位仍然为长安大学。(保密的论文在解密后应遵守此规定）论文作者签名：序令>k年（月r日导-签名:年〈月X日摘要目前，对变形监测数据进行分析预测的理论方法有很多，但是每种方法都有其适用的范围和条件，为了降低单一预测方法的局限性带来的影响，同时充分利用每种预测方法的优势，组合预测分析方法应运而生。时间序列分析模型和灰色模型都是在变形分析中常用的单项预测模型。时间序列分析模型适合处理平稳、正态、零均值的时间序列数据，而灰色模型适合处理呈单调增长的时间序列数据。但是实际的变形监测数据是非平稳非线性的，监测体的累计变化量既有单调增长的趋势，又有短期的波动，若使用单一的预测方法来表述，

4、往往在效率与精度上难以两全。如果能将变形的累计变化量分解为波动的随机项和单调增长的趋势项，然后分别利用时间序列分析模型和灰色模型进行预测，将二者相结合，发挥各自的优势，则可以实现准确预测的目的。而经验模态分解(EMD)又可以实现这样的分解。本文正是在这样的想法的基础上，提出了基于EMD-GM的时间序列分析方法，并通过实例比较分析了这种组合模型相对于单一的时间序列模型和灰色模型的优势，验证了其可行性与适用性。文章的主要研究内容如下：1、介绍了时间序列分析模型和灰色GM(1,1)模型的基本原理，分析了这两种模型的适用范围，详细论述了二者建模预测的全过程，为组合模型的建立奠定了理论

5、基础。2、深入研究了经验模态分解(EMD)的基本理论,分析了EMD分解方法进行信号分解的算法原理,并详细论述了其具体分解步骤。3、建立了基于EMD-GM的时间序列分析模型，并用MATLAB语言实现了具体算法，通过实例分析，发现组合预测模型的精度高于单一预测模型，验证了该组合模型的可行性与适用性。关键词：变形监测，时间序列分析，灰色模型，经验模态分解(EMD)，组合模型AbstractAtpresent,therearemanytheoreticalmethodsfortheanalysisandforecastofthedeformationmonitoringdata.Bu

6、teachmethodhasitsscopeandconditions,inordertoreducetheaffectbroughtbylimitationsofasingleforecastmethod,andtotakefulladvantageofeachforecastmethod,combinedmethodsforanalysisandforecasthaveemerged.Timeseriesanalysismodelandgraymodelaresingleforecastmodelscommonlyusedintheanalysisofdeformatio

7、n.Timeseriesanalysismodelissuitableforhandlingsmooth,normality,zero-meantimeseries,andgraymodelissuitableforhandlingmonotonicallyincreasingtimeseries.However,theactualdeformationmonitoringdataisnon-smoothandnon-linear,therearebothmonotonousincreasingtren