小波理论在大坝变形监测数据分析中的应用研究

论文摘要

大坝的整体工作性态主要反映在变形、渗流、应力应变等的变化上,而其中变形变化状况尤为直观可靠。变形性态综合反映了各种因素对其工作性态的影响,其变化是评价大坝安全状况的重要依据。国内外现有的变形分析模型算法、应用效果和应用范围具有一定的局限性。因此研究如何利用新理论、新方法,有效克服传统建模方法的不足,解决建模技术的关键问题已成为当前完善大坝安全监测工作的一项重要任务。本文正是从该角度出发,针对传统建模方法中存在的一些问题,引入小波理论,研究小波分析方法在大坝变形监测数据分析中的应用。主要研究内容和成果如下：(1)采用小波理论对大坝变形监测数据进行多方面分析。系统研究了小波分析在信号异常检测与处理、去噪及趋势分量提取中的应用原理和思路,编制了相应的基于MATLAB的小波分析程序。实例分析表明,小波分析比较适合于大坝安全监测数据的处理,相比其它方法其耗时少,精度高。(2)建立了基于自适应调整学习率优化算法的大坝变形监测小波神经网路预测模型。通过对传统小波神经网络(Wavelet Neural Network)算法的改进,实现了小波理论和神经网络理论的有机整合和渗透,并利用MATLAB软件的数值计算和仿真分析功能,编制了相应的建模分析程序。(3)对所建立的大坝变形监测小波神经网络模型进行了工程实例应用研究。将训练好的小波神经网络模型应用于某大坝的变形拟合与预测,并且与常规BP神经网络预测结果进行对比分析,结果表明：基于自适应调整学习率优化算法的小波神经网络模型其拟合与预测精度比BP神经网络模型高,具有较好的实用价值。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究目的和意义
• 1.2 大坝变形监测资料处理与分析研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 小波理论研究现状
• 1.3.1 小波分析概述
• 1.3.2 小波分析应用现状
• 1.3.3 小波神经网络研究概况
• 1.4 论文研究内容与思路
• 2 小波分析的基本理论方法
• 2.1 傅里叶变换与小波变换
• 2.1.1 傅里叶变换
• 2.1.2 短时Fourier变换
• 2.1.3 从傅里叶变换到小波分析
• 2.2 小波变换
• 2.2.1 连续小波变换
• 2.2.2 离散小波变换
• 2.3 多分辨率分析与正交小波变换
• 2.3.1 多分辨率分析
• 2.3.2 二尺度方程
• 2.4 Mallat算法
• 2.4.1 Mallat算法的综述
• 2.4.2 Mallat分解算法
• 2.4.3 Mallat合成算法
• 2.5 常用小波函数
• 2.5.1 小波基的数学特性
• 2.5.2 常用小波函数
• 2.6 本章小结
• 3 小波分析在大坝变形监测数据分析中的应用研究
• 3.1 大坝变形监测数据的异常值检测与处理
• 3.1.1 基本原理
• 3.1.2 实例分析
• 3.2 大坝变形监测数据的去噪处理
• 3.2.1 基于小波分析的信号去噪问题基本原理
• 3.2.2 小波去噪方法
• 3.2.3 实例分析
• 3.3 大坝变形监测数据时效分量的提取
• 3.3.1 基本原理
• 3.3.2 实例分析
• 3.4 本章小结
• 4 小波神经网络在大坝变形分析中的应用研究
• 4.1 人工神经网络基本理论
• 4.1.1 神经元基本结构
• 4.1.2 神经网络的学习算法
• 4.1.3 BP神经网络算法优点及缺陷
• 4.1.4 BP神经网络算法的改进
• 4.2 小波神经网络基本理论
• 4.2.1 小波神经网络的结合方式
• 4.2.2 小波神经网络的分类
• 4.2.3 小波神经网络的算法
• 4.2.4 小波神经网络的自适应调整学习率优化算法
• 4.2.5 小波神经网络的程序实现
• 4.3 大坝变形预测的小波神经网络拟合与预测
• 4.3.1 模型的确定
• 4.3.2 预测模型的训练
• 4.3.3 大坝变形预测模型预测及对比分析
• 4.4 本章小结
• 5 总结与展望
• 5.1 总结
• 5.2 展望
• 致谢
• 参考文献
• 附录