小波变换与EMD方法在高铁雨棚数据降噪处理中的适用性分析

针对高铁雨棚长期监测数据中的噪声处理问题,分析了典型高铁雨棚监测信号的噪声特性,在此基础上,采用小波变换和经验模态分解EMD(empirical mode decomposition)方法对雨棚实测风压、应力、振动等典型信号进行降噪处理和对比分析。研究结果表明这两种方法在降低监测数据噪声、提高信噪比方面的有效性,并且通过结合主成分分析PCA(principal component analysis)的综合评估进一步证实了EMD在振动类和应力类数据降噪中的优越性。研究为实际工程中降噪技术的选择和应用提供了理论支持。

基于小波去噪和时频分析的智能电表量测数据挖掘研究

为提升智能电表量测数据挖掘效果,该文研究一种基于小波去噪和时频分析的智能电表量测数据挖掘方法。应用小波变换阈值去噪方法对数据集进行去噪,通过惩罚策略选择阈值后,对存在噪声的数据集进行运算,获取去噪后的数据集,根据去噪后的小波系数与存在噪声的小波系数获取最优阈值函数;利用自适应最优径向高斯核时频分析方法,有效将最优阈值函数的数据集分离为自分量信号与互分量信号,精准挖掘智能电表仿真模型数据库内数据,完成智能电表量测数据信息的输出。实验结果表明,所研究方法去噪效果较好,相对误差保持在2%以内,挖掘精度维持在96%以上,应用性能较好。

基于小波分析的湖南罗富冲滑坡监测数据去噪与预警

滑坡自动化监测数据中噪声的存在导致滑坡预警误报严重,在预警之前有必要对原始监测数据进行去噪。以湖南罗富冲滑坡为研究案例,首先使用小波分析对该滑坡GNSS地表变形数据进行分解,然后使用分解的低频分量进行信号重建以实现数据去噪,最后分别使用原始数据和去噪数据计算日变形速度以进行预警计算,通过对比分析验证去噪效果。研究结果表明,对原始滑坡自动化监测数据使用小波分析进行去噪处理能够有效提升预警的准确性,对于保障滑坡影响区域的人民群众生命财产安全具有重要意义。

基于小波分析的铁路桥梁变形监测数据处理研究

为解决铁路桥梁自动化变形监测数据中存在噪声等问题,基于一种小波阈值去噪法,对获取的自动化变形监测数据进行去噪处理,该方法可以剔除自动化变形监测数据中的噪声,提取铁路桥梁真实变形趋势信息。首先利用Matlab构造一组包含噪声的仿真变形监测信号,通过仿真实验分析不同小波基函数、不同小波分解层数对去噪结果造成的影响,为了达到最优去噪结果,利用去噪质量综合评价指标T来选取最优小波基函数和小波分解层数。最后,为证明该去噪方法的可靠性,利用该去噪方法对某铁路桥梁静力水准仪自动化变形监测数据进行去噪处理,结果显示该方法能较好地剔除实测数据中噪声,并保留桥墩变形的细部特征。

二进小波变换方法的地震信号分时分频去噪处理

应用二进小波变换理论，对地震记录剖面进行小波分解，在小波变换域，对各分量剖面进行分时分频相关分析，并依此进行加权处理，最后通过小波反交换算法恢复出地震记录剖面．经实验该方法对衰减地震信号的噪声具有比较好的效果．

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.

边坡变形监测数据小波去噪研究

变形监测中获得的观测资料不可避免地存在着噪声,如何从受噪声干扰的数据序列中提取特征信息,提高变形监测的精度是变形监测系统所涉及的关键技术之一。利用小波方法对边坡监测的数据进行去噪研究,着重研究了降噪方法(算法)、小波基函数以及阈值等的影响。硬阈值比软阈值处理后的信号更加粗糙,软阈效果好于硬阈,阈值和小波基函数都有重要影响。采用强制去噪后的效果很明显,重构层数选取对滤波效果有重要影响。

基于小波分析的交通流量预测方法

为了更加准确地预测动态变化的交通流量,根据交通流量的特点提出了在小波分析的基础上利用离散Kalman滤波进行预测的方法。这种方法可用于动态数据预测的各个领域,如网络流量的预测、经济信息的预测以及其它非线性系统的预测。实验表明,采用这种方法可以有效地减小数据预测的误差。

基于数据驱动的数据故障诊断模型

针对交通和桥梁监测的数据诊断过程中,噪声掩盖了部分故障信息以及故障信息分布的多尺度性,提出了一种基于数据驱动的数据故障诊断模型。以故障检测为目的,加入了一种改进的小波阈值除噪方法,去除大部分随机高频噪声,提高了数据置信度;将重构信号进行了多尺度小波包分解,结合小波包能量分析法和主元分析法完成了故障检测与故障分离。模型实际应用于桥梁挠度监测数据故障诊断,结果表明,该模型可以减小错报率和漏报率,抗噪能力更强。

实时交通数据的噪声识别和消噪方法

以常用的交通数据———交通量时间序列的实测数据为例,给出多个噪声识别及消噪预处理的实验结果.为提高建模的准确度,采用模糊减法聚类对交叉口实测交通量进行噪声识别.对实测交通量采用奇异值分解的滤波方法进行除噪预处理,并通过训练径向基函数网络进行预测.与数据未经滤波直接训练网络相比,预测结果的平均绝对相对误差降低了3.31%.用小波变换对交通量数据进行消噪处理,即通过多分辨率的小波分解和重构来实现消噪.实验表明,若对原始交通量时间序列消噪后再建立预测模型,将获得更好的预测结果,这说明研究的噪声识别和消噪方法的可行性和有效性.

基于Adaptive Lasso及RF算法的冰雪天气交通事故分析

为分析冰雪天气下高速公路交通事故频发致因,量化分析驾驶环境、驾驶员及车辆情况对事故的影响,根据Adaptive Lasso和随机森林(RF)混合算法建立预测模型。以10年约30万组冰雪环境下高速公路交通事故数据为例,训练改进预测模型验证其准确性。结果表明,混合算法的准确度和拟合程度都优于支持向量机(SVM)、分类回归树(CART)及RF等单独算法。交通事故与环境因素相关性最显著,坡路、弯道及交叉口处事故受冰雪环境影响较大;事故与驾驶员因素中部分因素显著相关,如驾驶员性别及安全带使用情况;本地驾驶员对驾驶能力及冰雪环境的估计错误更易导致交通事故。

基于自适应提升小波变换多分辨率数据融合

建立了基于小波去噪的多分辨率多传感器数据融合模型 ,引入了提升法自适应离散小波变换 ,根据最小均方 (LMS)自适应法确定伯恩斯坦 (Bernstein)提升滤波器的权系数 ,使其匹配低分辨率传感器的数据序列 ,接着使其对高分辨率采样数据的小波分解的尺度系数进行数据更新 ,实现不同分辨率数据的融合。最后对不同分辨率三传感器测量系统进行了数值仿真。实验结果表明 ,该方法可以有效地实现多分辨率多传感器数据融合 ,而且消除了噪声干扰 ,提高了系统的测量精度。

小波分析在飞参数据降噪中的应用

在飞行事故调查中,飞行参数是依据,飞参数据各通道参数中存在的干扰噪声,不同程度的影响着实际中的应用,利用传统的降噪滤波方法失真度大,降低了数据的可信度。小波分析可对信号进行多分辨分解及重构,具有提取数据高频和低频部分特征的能力。在分析小波分析信号降噪方法的基础上,以Matlab为平台分别利用快速傅里叶变换和小波分析对某型飞机的飞参数据的俯仰角通道数据进行了降噪处理进行仿真。结果表明小波分析降噪性能优异,可信度高。方法已在基于飞参数据的多项应用中得到推广。

基于DEA模型的区域高速公路社会经济适应性评价方法研究

实现高速公路建设与经济的一体化发展是区域社会经济发展中的重要课题.本文在分析高速公路社会经济适应性内涵及划分的基础上,选取数据包络分析方法及C2R模型作为高速公路社会经济适应性评价方法与模型,该模型能够通过测算输入指标利用率对各输入指标的投入情况进行具体分析.最后结合辽宁省实际案例对评价方法、模型进行了初步验证,并对高速公路综合密度、建设投资和运输能力3项输入指标的利用状况进行了分析.

基于SVM与自适应时空数据融合的短时交通流量预测模型

针对短时交通流变化周期性与随机性特点,选取时间和空间序列流量观测值作为支持向量机训练样本进行训练,使用空间序列预测值对交通流时间序列预测结果进行修正,并通过对历史时间空间序列预测结果的分析,动态调整其对未来预测的影响,建立基于SVM与自适应时空数据融合的短时交通流量预测模型.最后,将提出的预测模型与支持向量机时间序列预测模型、指数平滑法、多元回归法预测结果进行对比,结果表明:自适应时空数据融合预测模型可将预测平均相对误差控制在4%,明显高于其他模型预测精度.

基于小波分析的光谱数据处理

原子发射光谱作为多元素同步分析技术具有巨大的在线分析潜力。由于光谱数据量大,干扰信息与有效信息并存,不利于对光谱数据进行定性定量分析。小波分析具有分时分频精细表达和多尺度多分辨率分析的独特优势,本文介绍了小波变换去噪技术原理,通过对一组光谱数据的去噪处理,说明利用小波分析法可以有效的消减光谱中的干扰信息。

基于多尺度主元分析法的动态交通数据故障诊断与修复

针对动态交通数据的故障问题,提出了一种改进的多尺度主元分析(MSPCA)方法及数据修复模型。利用小波包多尺度分解将每个变量一次分解成逼近系数和多个尺度的细节系数,并在各个尺度矩阵建立相应的主元分析模型。以模型统计量控制限为阈值,对小波系数重构得到综合主元分析模型,并将故障数据分离出来。利用数据修复模型以及根据时间相关性和空间相关性计算出各组数据的相关系数,并估算出故障数据的真实值。最后给出了各种仿真结果。

飞行数据改进中值滤波和自适应小波降噪

研究飞行数据预处理时提高数据质量问题。针对飞行数据易受噪声干扰,提出了改进中值滤波和自适应小波阈值降噪的降噪算法。首先以改进的中值滤波算法对飞行数据进行处理以剔除野值;然后对剔除野值后的飞行数据进行小波分解,根据各层小波系数的噪声自相关函数确定最佳小波分解层数;最后设计了新的自适应阈值函数,对小波系数进行处理并重构,得到降噪数据。采用仿真数据和飞行数据进行实验,结果表明,改进方法取得了良好的降噪效果,改善了数据质量,证明算法有效性。

特征系统实现算法的小波去噪方法研究

ERA/DC 利用脉冲响应数据构造 Hankel 矩阵时运用了相关技术,因此对信号中的白噪声有抑制效果,但实际数据所含的噪声中,除随机噪声外,还有尖脉冲噪声、漂移等其它噪声。为了获得理想的识别效果,利用小波算法对脉冲响应数据进行去噪处理,再用 ERA/DC 进行识别。两自由度的阻尼弹簧质量系统以及卫星缩尺模型的仿真结果表明,小波去噪方法对多种噪声形式均有抑制作用,能提高 ERA/DC 的识别精度,可用于 ERA/DC识别的信号去噪。

小波滤波在大坝观测数据处理中的应用

采用回归分析直接处理大坝观测数据的方法容易受到噪声影响,针对这一情况,提出先对观测数据进行小波滤波,然后再用一元线性回归分析对滤波后信号进行处理的新方法。仿真结果表明,与直接采用一元线性回归分析法相比,该方法得到的待定系数更为准确。