本文關鍵詞：改進的局部均值分解和高斯過程在變形監(jiān)測數(shù)據(jù)處理中的應用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：變形監(jiān)測與分析是安全監(jiān)測系統(tǒng)的重要組成部分,分析方法的可靠性以及精度對變形體安全運行具有重要的作用。變形數(shù)據(jù)的處理、特征向量的提取以及變形預測是變形監(jiān)測中的關鍵問題,也是測繪學科的研究熱點之一。局部均值分解(Local Mean Decomposition,LMD)是一種新的能自適應地應對復雜的非平穩(wěn)信號的方法。高斯過程(Gaussiau Process,GP)因為其具有嚴格的理論統(tǒng)計學習理論基礎,對處理非線性等問題具有很好的適應性,并且科學地得到預測精度和概率,是一種較好的非線性學習方法。本文研究了基于局部均值分解和高斯過程的變形監(jiān)測數(shù)據(jù)處理、特征提取與預測模型,并結合仿真信號與大壩等變形監(jiān)測數(shù)據(jù),分析與探討了相關問題。(1)對于高斯過程存在的協(xié)方差函數(shù)選擇和超參數(shù)求解方法問題作者利用類似自適應尋優(yōu)函數(shù)和粒子群(Particle Swarm Optimization,PSO)算法進行改進,而對于LMD的端點效應問題,作者通過改進的PSO-GP算法對變形信號進行延拓,通過實例分析對于兩種算法的改進都較為明顯,效果不錯。(2)針對變形監(jiān)測數(shù)據(jù)預處理問題,建立了基于LMD的新小波閾值函數(shù)去噪法,其充分利用LMD的自適應性融合新小波閾值函數(shù),大大提高了去噪的效果。針對針對不同變形情況的案例粗差探測問題,作者提出基于LMD融合傳統(tǒng)方法的粗差探測法,優(yōu)勢互補,提高粗差探測的準確性和效率。(3)將數(shù)據(jù)預處理后的觀測序列進行LMD分解,運用相關系數(shù)等方法進行變形分析和特征提取,對變形做出合理解釋。最后對對各變形分量進行建模預測,將所有變形分量累加得到最終的變形體預測模型。作者建立了基于LMD-PSO-GP的組合預測模型以及考慮改進LMD模態(tài)混疊現(xiàn)象的ELMD-LSSVM預測模型,通過實例驗證分析發(fā)現(xiàn),兩種組合模型的建模精度明顯高于單一模型,效果較好,適合非線性非平穩(wěn)變形體數(shù)據(jù)的分析和預測。(4)論文第五章最后一節(jié)考慮到鄰近點變形因素的GP單點預測模型,而下一步研究工作的重點是建立基于LMD和GP方法的多尺度變形多點預測模型。從文中兩個單點實例可以發(fā)現(xiàn),鄰近點變形對監(jiān)測點的影響不可忽略,且將其變形因素加入到建模過程中去效果提升明顯,為建立多尺度變形的監(jiān)測序列的多點預測模型奠定了基礎。
【關鍵詞】：局部均值分解 高斯過程 多尺度分析 特征提取 變形預測
【學位授予單位】：東華理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TU196.1
【目錄】：

• 摘要4-6
• ABSTRACT6-12
• 第1章 緒論12-20
• 1.1 選題背景及意義12-13
• 1.2 國內外研究現(xiàn)狀13-15
• 1.3 本文主要研究內容15-16
• 1.4 組織結構及技術路線圖16-19
• 1.4.1 組織結構16-18
• 1.4.2 技術路線圖18-19
• 1.5 本章小結19-20
• 第2章 LMD和GP方法的理論研究及算法改進20-34
• 2.1 LMD和GP方法原理20-25
• 2.1.1 LMD原理和算法20-25
• 2.1.2 高斯過程25
• 2.2 高斯過程GP算法的改進25-29
• 2.2.1 高斯過程協(xié)方差函數(shù)選擇問題25-28
• 2.2.2 粒子群優(yōu)化GP超參數(shù)求解問題28-29
• 2.3 LMD方法端點效應的抑制方法29-32
• 2.3.1 基于極值點的粒子群優(yōu)化高斯過程端點延拓29-30
• 2.3.2 仿真信號分析30-32
• 2.4 本章小結32-34
• 第3章 基于LMD方法的變形監(jiān)測數(shù)據(jù)序列預處理34-50
• 3.1 變形監(jiān)測時間序列LMD信號去噪法34-40
• 3.1.1 傳統(tǒng)信號去噪方法34-35
• 3.1.2 自適應LMD融合新小波閾值函數(shù)去噪35-37
• 3.1.3 仿真信號與實際工程信號去噪分析37-40
• 3.2 變形監(jiān)測時間序列LMD粗差探測法40-48
• 3.2.1 傳統(tǒng)的數(shù)據(jù)序列粗差探測方法41-42
• 3.2.2 單因素變形監(jiān)測數(shù)據(jù)LMD粗差探測法42-44
• 3.2.3 多因素主導變形監(jiān)測數(shù)據(jù)LMD-UF粗差探測法44-48
• 3.3 本章小結48-50
• 第4章 基于改進LMD的變形信息多尺度分解與分析50-58
• 4.1 大壩變形分量的影響因素50-51
• 4.2 改進-LMD方法提取變形特征量51-56
• 4.3 本章小結56-58
• 第5章 多尺度變形預測模型的構建58-76
• 5.1 基本理論58
• 5.2 基于LMD-PSO-GP的大壩多尺度變形預測模型58-62
• 5.2.1 建模過程58-59
• 5.2.2 實例分析與數(shù)據(jù)預處理59-62
• 5.3 基于ELMD-LSSVM的大壩預測模型62-65
• 5.3.1 ELMD原理62-63
• 5.3.2 最小二乘支持向量機LSSVM63
• 5.3.3 大壩變形多尺度分析ELMD-LSSVM預測模型63-65
• 5.4 顧及鄰近點變形因素的高斯過程模型65-73
• 5.4.1 多點灰色預測模型原理66
• 5.4.2 顧及鄰近點變形因素的高斯過程模型建立66-67
• 5.4.3 工程應用67-73
• 5.5 本章小結73-76
• 第6章 總結與展望76-78
• 6.1 總結76-77
• 6.2 展望77-78
• 致謝78-80
• 參考文獻80-86
• 攻讀碩士學位期間的科研成果及參加項目86-87

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 熊志化,楊海濱,吳云峰,邵惠鶴;基于稀疏高斯過程的熱力參數(shù)軟儀表[J];中國電機工程學報;2005年08期

2 劉新亮;張昆侖;郭波;;高斯過程元模型建模方法及在火箭彈氣動分析中應用[J];固體火箭技術;2010年05期

3 任江洪;陳韜;曹長修;;混合高斯過程回歸模型在鐵水硅含量預報中的應用[J];重慶大學學報;2012年02期

4 李元誠;王蓓;王旭峰;;基于和聲搜索-高斯過程混合算法的光伏功率預測[J];電力自動化設備;2014年08期

5 孫斌;姚海濤;劉婷;;基于高斯過程回歸的短期風速預測[J];中國電機工程學報;2012年29期

6 張麗萍;;國際工程投標報價中標高金預測的高斯過程方法應用[J];建筑經(jīng)濟;2013年06期

7 張樂;劉忠;張建強;任雄偉;;基于人工蜂群算法優(yōu)化的改進高斯過程模型[J];國防科技大學學報;2014年01期

8 王鑫;李紅麗;;苯酚含量預測的高斯過程回歸模型[J];自動化儀表;2014年05期

9 萬華平;任偉新;魏錦輝;;基于高斯過程響應面的結構有限元模型修正方法[J];振動與沖擊;2012年24期

10 熊志化,朱峰,邵惠鶴;熱力參數(shù)軟儀表在電廠中的應用(英文)[J];Journal of Southeast University(English Edition);2005年01期

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 劉信恩;肖世富;莫軍;;用于不確定性分析的高斯過程響應面模型設計點選擇方法研究[A];中國計算力學大會'2010（CCCM2010）暨第八屆南方計算力學學術會議（SCCM8）論文集[C];2010年

2 劉冬;張清華;;基于高斯過程的精密衛(wèi)星鐘差加密[A];第二屆中國衛(wèi)星導航學術年會電子文集[C];2011年

3 李雅芹;楊慧中;;一種基于仿射傳播聚類和高斯過程的多模型建模方法[A];2009中國過程系統(tǒng)工程年會暨中國mes年會論文集[C];2009年

4 趙級漢;張國敬;姜龍;魏巍;;基于疊加高斯過程的數(shù)字噪聲產(chǎn)生方法FPGA實現(xiàn)[A];第二十四屆全國空間探測學術交流會論文摘要集[C];2011年

5 何志昆;劉光斌;姚志成;趙曦晶;;基于高斯過程回歸的FOG標度因數(shù)溫度漂移建模新方法[A];第25屆中國控制與決策會議論文集[C];2013年

中國博士學位論文全文數(shù)據(jù)庫 前6條

1 王建民;礦山邊坡變形監(jiān)測數(shù)據(jù)的高斯過程智能分析與預測[D];太原理工大學;2016年

2 趙靜;基于高斯過程的動態(tài)系統(tǒng)研究[D];華東師范大學;2016年

3 潘偉;基于高斯過程的高爐煉鐵過程辨識與預測[D];浙江大學;2012年

4 賀建軍;基于高斯過程模型的機器學習算法研究及應用[D];大連理工大學;2012年

5 夏戰(zhàn)國;基于高斯過程的提升機軸承性能評測方法研究[D];中國礦業(yè)大學;2013年

6 趙偉;復雜工程結構可靠度分析的高斯過程動態(tài)響應面方法研究[D];廣西大學;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 李紅麗;回歸分析中的貝葉斯推斷技術的研究[D];江南大學;2015年

2 李勵耘;基于高斯過程的抓取規(guī)劃方法研究[D];哈爾濱工業(yè)大學;2015年

3 王雪茹;基于高斯過程的風電機組部件建模與監(jiān)測研究[D];華北電力大學;2015年

4 于立鑫;基于高斯過程—差異進化算法的隧道施工多元信息反分析研究[D];大連海事大學;2015年

5 戈財若;基于高斯過程的高光譜圖像分類算法研究[D];東華理工大學;2015年

6 葉婧;基于高斯過程回歸的鋰電池數(shù)據(jù)處理[D];北京交通大學;2016年

7 張棟;基于在線學習高斯過程有桿泵油井動態(tài)液面建模方法研究[D];東北大學;2014年

8 王奉偉;改進的局部均值分解和高斯過程在變形監(jiān)測數(shù)據(jù)處理中的應用研究[D];東華理工大學;2016年

9 申倩倩;基于高斯過程的在線建模問題研究[D];華南理工大學;2011年

10 朱江;單任務以及多任務稀疏高斯過程[D];華東師范大學;2014年

  本文關鍵詞：改進的局部均值分解和高斯過程在變形監(jiān)測數(shù)據(jù)處理中的應用研究，，由筆耕文化傳播整理發(fā)布。

本文編號：415921