小波分析的自适应卡尔曼滤波模型在地铁隧道变形监测中的应用

为了加强地铁安全保护机制,基于测量机器人智能化、自动化的特点,对某试验区的地铁隧道进行变形监测,选择Trimble S9 HP测量机器人进行数据采集,通过云平台进行数据处理及变形分析,最后利用小波分析的自适应卡尔曼滤波模型对后期形变量进行预测。结果表明,自动测量机器人的测量精度满足隧道监测要求,完成了地铁隧道变形监测的预设目标,分析隧道结构的变形特征并通过小波分析的自适应卡尔曼滤波模型进行变形预测,所得预测数据精度较高,可以为今后工程建设和地铁维护提供参考。

基于Schavemaker模型和小波分析的航空EWIS故障电弧检测技术

针对航空线路系统故障电弧检测问题,在分析故障电弧的成因和基本特征的基础上,设计一种基于小波分析的故障电弧检测算法。分析基于Schavemaker电弧模型的交流串联故障电弧发生电路,采用sym5小波对故障电弧电流数据进行分解,提取出电流的高频部分,并提出基于高频分量d_3标准差的故障电弧检测方法,基于Simulink对该算法进行仿真验证。仿真结果表明:该方法比传统的小波分解后直接设定阈值检测故障电弧方法区分度高,能快速准确地确定故障电弧的存在,为工程实践提供有益参考。

融合小波分析和时间序列模型的大跨径桥梁损伤识别技术研究

为了及时识别桥梁结构损伤,提高桥梁工程安全性,文章提出一种融合小波分析和时间序列模型的大跨径桥梁损伤识别技术。研究通过小波分析从监测信号中提取出与损伤相关的特征,利用时间序列模型对这些特征进行分析和预测,以实现对桥梁损伤的识别和诊断。结果表明:次边跨、高边跨、1/4跨、跨中、3/4跨和低边跨测点位置的损伤识别指标的值分别为0.999 8、0.999 4、1.099 8、1.000 0、0.999 8、0.999 9。其中,监测部位挠度值损伤识别指标的值处于95%置信区间内。在延迟11阶后,主梁跨中偏自相关系数仍在2倍标准差范围内。11阶后的偏自相关系数为0,即偏自相关系数会在11阶后截尾。该改进的方法可以提高损伤识别的准确性和可靠性,实现对大跨径桥梁损伤的早期发现和及时修复。

中国、巴西、俄罗斯股票市场间波动溢出效应的实证研究——基于小波多分辨率分析的多元BEKK-GARCH模型

互联互通是世界经济飞速发展的动力源,在促进了各国之间的经济往来的同时,也加深了各国股票市场之间的联系。中国与巴西、俄罗斯作为经济合作程度较高,三个国家的股票市场也有很多相似的特征。因此,研究中国、巴西、俄罗斯股票市场之间的波动溢出效应有很重要的学术意义。本文选取中证500指数、巴西IBOVESPA指数、俄罗斯RTS指数,作为中国内地、巴西、俄罗斯股票市场的代表,对2014年1月1日至2019年12月31日的收益率序列做波动溢出效应的实证研究。格兰杰因果检验的结果表明,仅有俄罗斯股票市场收益率的变动是中国股票市场、巴西股票市场收益率变动的格兰杰原因。基于BEKK-GARCH模型,研究发现中国、巴西、俄罗斯的股票市场都体现出波动的聚集性和持久性溢出效应,并且中国与巴西股票市场、中国与俄罗斯股票市场、巴西与俄罗斯股票市场之间都存在双向的波动溢出效应。本文将小波分析引入研究,与多元BEKK-GARCH(1,1)模型相结合,把三个国家股票市场的收益率序列分解为不同尺度的信号,对应建立不同交易周期下的波动溢出效应模型。结果发现在短期、中期和长期的时间尺度下,三个股票市场相互之间依然显著存在双向溢出效应。文章建议政策制定者关注股票市场间的溢出关系,完善监管体制,并且出台抵御市场剧烈波动的政策。同时,又从投资者的角度出发,提醒投资者不要忽视高关联程度的股票市场的重要信息。

海域重力异常模型的多尺度分析

不同于传统的重力异常模型精度分析方法,本文以马里亚纳海沟区域(140°E—150°E,10°N—20°N)为例,利用DOG球面小波提取了DTU10、DTU17和SIO V32.1模型在不同波段内的重力异常信号,对模型间的差异进行了深入分析,并对基于径向基函数的不同深度、不同分辨率的多尺度分析进行了尝试。利用DOG球面小波对各模型多尺度分析的结果表明,随着尺度变小,模型间的差异在变大;DTU10、DTU17模型间的差异主要集中在10.9~43.6 km的波段内,分布在海岸、海沟、海底山附近,体现了Cryosat-2、Jason-1/GM观测数据和FES2014海潮模型的贡献;受模型构建方法不同、观测数据增多和波形重跟踪的影响,DTU17、SIO V32.1模型的差异大于DTU10、DTU17之间的差异。对传统径向基函数进行了改进,实现了多深度、多空间分辨率情况下径向基函数多尺度分析,结果略优于单一深度、单一空间分辨率径向基函数构建结果,有望应用于多源数据的重力场模型构建。

面向内流的激波/边界层湍流模型数据同化及应用

为研究压缩拐角激波/边界层干扰问题和机器学习方法在湍流模型参数辨识中的有效性,提出一种面向内流的激波/边界层湍流模型数据同化方法,以Kriging代理模型传播参数不确定量化过程,基于贝叶斯框架构建似然函数作为评判标准,最后利用粒子群优化算法近似获取参数的最大似然估计并进行参数验证。结果表明,通过校准大角度(24°)压缩拐角获取的湍流模型参数,可以应用到相同条件下相对较小的小角度(20°,16°和8°)压缩拐角,获取的壁面压力、摩阻系数和速度剖面均与试验值基本吻合。在Ma=2.85下校准的壁面压力,均方根误差由60.29%下降到16.56%。将大角度下获取的参数应用到Ma=2.9和不同的入射边界层厚度的条件下,获取的壁面压力和速度剖面仍与试验值基本吻合,验证了小范围马赫数内湍流模型参数的适用性。

基于近场动力学理论的裂纹模型波场数值模拟及频散特性分析

近场动力学理论采用积分形式的运动方程,能够有效避免空间偏导数不存在的问题,在模拟不同材料发生裂纹扩展、断裂破坏等不连续问题方面有着广泛应用,但是对近场动力学理论中波的传播问题和频散特性研究较少。为了研究近场动力学理论中应力波的传播规律,考虑平面应力情况,建立积分形式的运动方程,在均匀各向同性模型及含水平裂纹模型下进行了波场数值模拟,并与经典连续介质理论中的纵波和横波波场进行对比分析。基于常规态型近场动力学理论的运动方程,详细推导了一维和二维情况下的频散关系,并探讨了邻域内物质点数、邻域半径和形状参数等近场动力学参数对频散曲线的影响。在波场数值模拟中,线性近场动力学理论中固体与经典连续介质理论中线弹性介质的波场数值模拟结果具有良好的一致性,介质内裂纹的存在会阻碍波的传播;在频散特性分析中,所选邻域半径越小、形状参数越大,线性近场动力学理论中的频散特性越接近经典连续介质力学理论中的频散特性。

小波分析等方法在兰州盆地大气污染物变化特征预测中的应用

文章根据2019—2023年兰州盆地大气监测数据,结合小波分析、Mann-Kendall突变检测、ARIMA模型等方法,研究了CO、NO2、O3、PM10、PM2.5、SO2这6项大气污染物浓度变化特征,并对2024年6项污染物浓度变化进行预测。研究结果显示,此6项污染物均呈现出6个月左右的明显周期。2019—2023年,CO、NO2、SO2浓度年总量整体呈下降趋势;但是O3浓度年总量仍处于上升趋势,PM2.5、PM10浓度年总量则呈现上下波动变化。CO、NO2、SO2浓度在冬季、春季呈现上升趋势;而O3浓度在冬季、春季呈现下降趋势;PM2.5、PM10颗粒物浓度突变时间点在2021年3月重叠。2024年的预测结果表明,除O3外,其余5项污染物浓度均存在一定的下降趋势。

基于灰色-小波神经网络模型的铁路路基沉降预测分析

铁路路基变形监测贯穿于整个项目的设计、施工和运行,因此其工后沉降变形分析对于安全化工程施工和管理具有重要的意义。该文结合工程实例,基于灰色模型、小波神经网络模型的相关理论对铁路路基沉降进行预测分析,数据结果表明两者预测效果均接近实测值,但组合模型比单一灰色模型预测精度质量有所提高,稳定性好。

基于小波分析理论组合模型的农业需水量预测

为了提高农业需水量(非平稳时间序列)的预测精度,该文运用小波分析理论,将农业需水量这一时间序列用小波分解到不同尺度上以减少原始序列的随机性,然后用灰色预测法和时间序列预测法对重构后的时间序列进行预测。将小波分析理论、灰色预测理论和时间序列预测法组合进行需水量的预测,为原始非平稳时间序列的预测应用拓展了空间。以鄂尔多斯市的农业需水量预测为例对该方法作了验证,2009年数据检验结果表明该组合预测模型精度较高,相对误差小于3%,为农业需水量的预测提供了一种新方法,对鄂尔多斯市的水资源合理地利用、规划和管理以及促进区域社会经济的可持续发展具有重要的意义。

基于小波分析和GM-ARIMA模型的月度售电量预测

月度售电量直接反映电力企业的经营效益,准确的电量预测对于电力企业合理安排购售电方案、确定融资缺口具有重要意义。鉴于各地区月度售电量时间序列不但有随时间逐渐增长的趋势,还受节假日、气温等因素的影响存在随机项,为了提高电力企业月度售电量的预测精度,采用小波分析理论将月度售电量时间序列分解为近似序列和细节序列,并通过对分解后子序列的特征进行分析,分别采用相匹配的GM(1,1)模型和ARIMA模型对子序列进行预测,然后通过序列重构得到月度售电量的预测值。经实际算例验证,该组合预测方法的平均误差率为3.7%,与神经网络等常用单一预测方法相比能明显提高预测精度,具有较强的适应能力。

竖波钢板组合剪力墙截面性能及曲率分析

现行基于承载力的抗震设计方法缺乏对构件截面性能的准确反映,对于剪力墙等重要抗侧力构件在地震作用下的性能要求缺乏体现。竖波钢板组合剪力墙因内嵌波形钢板的几何形状优势,表现出良好的抗震性能,对其截面性能的分析有待研究。该文基于竖波钢板组合剪力墙的组合机理和破坏现象,提出截面曲率的理论计算方法,给出荷载-位移曲线转化为弯矩曲率曲线的计算过程,通过试验数据验证了理论计算方法的准确性以及数值计算模型的适用性。扩展研究波形钢板几何参数、约束边缘H型钢、分布钢筋规格等构造设置以及混凝土强度、钢材强度等材料性能变化在不同轴压力下对截面曲率和曲率延性的影响规律,相关性分析发现约束边缘H型钢是唯一与特征点曲率及曲率延性保持正相关的参数。该文分别提出竖波钢板组合剪力墙截面屈服、峰值、极限点曲率的简化计算方法并进行验证,证明了公式的准确性与适用性,可为竖波钢板组合剪力墙的弹塑性变形能力计算以及其损伤控制分析提供一定的理论支撑。

基于小波分析的Kalman滤波动态变形模型研究

对GPS动态形变测量信号的性质进行了分析 ,采用小波分析对GPS动态变形数据滤波、变形特征提取和不同变形频率分离。与Kalman滤波方法相结合 ,首次提出基于小波分析的Kalman滤波动态变形分析模型 ,研究其参数设计和算法 ,并用MATLAB与C语言在微机上编程实现。对比大坝实测数据的处理结果可知 ,通过对原始观测值进行小波分析与Kalman滤波的联合处理 ,能克服只使用单一方法进行GPS数据噪声处理的不足。

基于小波分析和ARIMA模型的交通流预测方法

针对实际交通系统时变复杂的特征和交通流变化的不确定性,应用小波分析理论,对原始交通数据进行了消噪处理,使消噪后的数据更能反映交通流的本质及变化规律;采用综合自回归移动平均(ARIMA)时间序列模型对交通流进行预测;并对实测交通数据进行验证分析.结果表明,该方法具有较高的预测精度,可用于交通流的实时动态预测.

基于小波分析的灰色组合模型在变形监测数据处理中的应用

在数据分析处理中,小波分析与灰色模型有各自的特点和适用范围。结合两者的优点,构建小波灰色串联和并联组合模型,并应用于变形监测工程实例,验证了组合模型建模和预测的可行性和有效性。分析结果表明,在变形监测数据处理中,应用小波灰色组合模型有较高的预测精度,能有效地进行变形监测数据处理和预测预报。

基于Kraken简正波模型的浅海声场分析

水声信道的传输特性是影响水声通信系统性能的重要因素。本文采用了一种全液态Kraken简正波模型 ,对位于浅海信道的目标海区的传播特性进行分析 ,得到了不同传播条件下信道的传播损失和频率特性图 ,为水声通信系统的设计提供了理论基础。

基于小波分析的BP网络预测模型及其在年径流预测中的应用

鉴于小波变换序列中尺度系数系列和小波系数系列变化特征存在较大差异,提出了一种新的小波分析与BP网络结合方式,即建立两个BP网络分别对两类系数系列进行预测,再对各小波变换系数的预测值进行小波重构,获得原序列的预测值。将该模型应用于二滩电站入库年径流量预测,结果表明该模型预测精度高,可为水电站提供可靠的入库年径流预测结果。

基于小波分析的ARMA-GARCH模型在降水预报中的应用

利用小波分析方法对通榆地区1955-1999年降水资料进行分解与单支重构,得到低频序列和高频序列;对得到的子序列依据是否具有自回归条件异方差（ARCH）效应,建立自回归移动平均（ARMA）模型或者ARMA-GARCH模型。然后将上述各子序列所建模型进行线性叠加,得到年降水量的基于小波分析的ARMA-GARCH模型（W-A-G）。根据2000-2009年的降水资料检验模型,并与未考虑ARCH效应的基于小波分析的ARMA模型（W-A）作对比。结果表明：小波分析的6个子序列中,低频项（A5）不具有ARCH效应,高频项（D1~D5）具有明显ARCH效应;W-A-G模型检验的相对误差平均值为9.98%,平均绝对百分比误差（MAPE）值为0.009 9,根均方差（RMSE）值为34.592 8,符合水文预测标准且精度明显高于W-A模型（平均相对误差22.4%,MAPE为0.180 2,RMSE为83.337 3）,表明W-A-G模型是一种可行的方法。最后用所建W-A-G模型对通榆地区未来6年降水量进行预测,预测结果显示：通榆地区未来降水量呈下降趋势,干旱情况将持续发生,应做好抗旱准备。

基于小波分析的两种神经网络耦合模型在月径流预测中的应用

为提高河川径流的中长期预报精度并延长其预见期,采用小波分析充分提取有用信息,基于BP神经网络和GRNN神经网络,构建了两种小波神经网络耦合模型,测试了Daubechies族中9种母波函数对模型模拟效果的影响,并采用合格率(Q_(QR))、平均相对误差(M_(MPRE))、均方根误差(R_(RMSE))和确定性系数(N_(NSE))等指标评价了模型精度。将该模型应用于金沙江流域向家坝水文站未来1~5个月的径流预报,结果显示,相比于传统BP和GRNN模型,耦合模型具有明显优势,且基于小波分析的BP模型预报结果更接近实测值,预报精度更高,其未来4个月的平均相对误差在±20%以内。表明小波分析方法能充分挖掘隐藏在原始数据中的有用信息,可有效提高耦合模型的预报精度延长预见期,在径流预测方面有明显的优越性。

基于小波分析的电力负荷模型辨识数据去噪

为了提高电力负荷模型辨识的准确度,需要对实际扰动数据进行去噪处理.为此,针对有效值动态数据,提出了将平稳阶段噪声过滤掉而暂态阶段数据不加处理的去噪策略,将去噪后的平稳阶段数据与暂态阶段数据合成获得辨识用数据;给出了平稳阶段起始点的判据,提出了基于小波分析的平稳阶段数据去噪方法.实际应用结果表明,将处理过的扰动信号用于负荷模型参数辨识,所得参数波动更小、方差更小.