基于奇异谱分析和蒙特卡洛方法的桥梁索塔变形GPS监测数据处理-论文.pdf

《基于奇异谱分析和蒙特卡洛方法的桥梁索塔变形GPS监测数据处理-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、24勘察科学技术2014年第4期基于奇异谱分析和蒙特卡洛方法的桥梁索塔变形GPS监测数据处理李小奇岳顺岳东杰(1．河海大学水利水电工程学院南京市2100982．河海大学地球科学与工程学院南京市210098)提要为了分析研究在GPS实时动态变形监测下苏通大桥通车后索塔变形特征，该文采用奇异谱分析方法，通过蒙特卡洛方法估计噪声强度区间，以区间长度最小来确定最优窗口长度，并识别和提取出苏通大桥二月份索塔变形数据的周期成分、趋势成分。结果表明：索塔变形主要受车辆荷载、温度和风压的综合影响，其中温度、风压呈现明显的周期变形特性，最大占总变形的40％。关键词奇异

2、谱分析窗口长度周期变形GPSDeformationMonitoringDataProcessingofBridgeCableTowerBasedonSingularSpectrumAnalysisandMonteCarloMethodLiXiaoqiYueShunYueDongjie(1．CollegeofWaterConservancyandHydropowerEngineering，HohaiUniversity2．SchoolofEarthScienceandEngineering，HohaiUniversity)AbstractInorder

3、toanalyseandstudythedeformationcharacteristicofSutongbridgecabletowerundertheGPSreal—timedynamicdeformationmonitoringafterthebridgeisopenedtotraffic，thispaperadoptssingularspectrumanalysis．MonteCarlomethodisusedtoestimatetheintensityintervalofnoise，andde—terminestheoptimalwindo

4、wlengthbytheminimumintervallength．ThecycleandtrendcomponentsofdeformationdataaboutSutongbridgecabletowerinFebruaryisdistinguishedandextractedbythemeth—od．Theresultshowsthatthecabletower'sdeformationismainlyafectedbyvehicleload，temperatureandairpressure．Thetemperatureandairpress

5、urepresentperiodicdeformationcharacteristicsobviously，maximumaccounting40％ofthetotaldeformationfactor．Keywordssingularspectrumanalysis；windowlength；cycledeformation陷，但缺点是必须选取恰当的小波基，否则难以达到1引言很好的分离效果。奇异谱分析方法(SingularSpec-近几年来，随着GPS监测技术的发展，大型桥trumAnalysis简称SSA)作为一种数值分析方法在梁结构的实时动态变

6、形监测技术Et趋成熟。但由于数字信号处理、气象领域应用较早，已成为气候变率监测点在短时间内的变形表现为一种低频弱信号，诊断领域的基本方法之一。它是主成分分析、谱分而误差却表现为一种高频的强噪声信号，因此如何析、统计假设检验和自回归模型等多个数学方法的从受强信号干扰的序列中提取出微弱的特征信号，综合应用，是一种从时间序列的动力重构出发，与经是一个需要解决的技术难题。传统的数据处理方法验正交函数相联系的一种统计技术。更重要的是它主要有时间序列分析法、Kalman滤波法、频谱分析不受正弦波的假定约束，可以从包含噪声的有限长法等，传统方法对处理线性、平稳序列

7、有效，但对于度的观测序列中提取尽可能多的可靠信息，具有稳非线性、非平稳序列却存在很大的局限性。近年来定识别和强化周期信号的功能。发展起来的小波理论在一定程度上弥补了上述缺2GPS动态变形监测数据处理方法作者简介：李小奇(1991一)，男，学士，主要从事数据处理方法研究。奇异谱分析方法对象是经中心化后一维时收稿日期：2013—07—142014年第4期勘察科学技术序列。，⋯，，并将序列时迟排列建立相空间由于重建成分拟合着原序列自身的时间演变特x12⋯Ⅳ一村+1、征，而不是事先认为规定必须线性演变或谐波型周期变化，因此SSA重建的成分也称为对原序列的：1

8、⋯I：自适应滤波。SSA最重要的应用特征成分的识别和0⋯J提取，这部分内容可以详见文献[2]。在SSA中，窗