小波阈值与小波包对南水北调工程防渗墙监测数据去噪有效性研究

以南水北调北京段大宁水库防渗墙加高施工工程为背景,基于小波包变换去噪法和小波变换阀值去噪法,对现场监测数据进行了消噪处理,比较了两者在工程实际中的应用效果。研究表明,对防渗墙工程安全监测数据,小波包的处理结果更为理想,能够更有效地去除噪音突变信号,保留原始有用信号的突变点,使重构信号能够更光滑地重现原始信号,其去噪法性能比小波变换阀值去噪法更佳,具有更好的实际应用价值。研究结论为后期更加准确地评价防渗墙施工期间的变形和进行墙体长期稳定性分析提供重要依据,研究方法可为类似工程提供参考。     

基于Matlab的混凝土声发射信号小波阈值去噪效果研究

在对混凝土类材料进行损伤声发射检测过程中,仪器收集的信号通常包含噪声信号,影响声发射分析的精度。本文基于Matlab小波分析,阐述一些主要的阈值选取方案,对不同阈值选择方案的去噪效果进行分析、评价、对比与总结,找出较为有效的混凝土声发射信号阈值去噪策略,有利于促进混凝土声发射信号的研究。     

小波软阈值去噪技术在电能质量检测中的应用

小波方法是一种很好的电能质量信号检测和分析工具，但其性能往往受信号中噪声的影响，当噪声比较大的时候，小波方法甚至会失效。文中根据小波变换的时频特性，分析了信号和噪声在小波分解过程中的不同特性，并在此基础上利用改进的软阈值去噪技术对电能质量信号进行信号去噪处理。软阈值方法能根据各小波空间上特征分量和噪声的统计特性设置适当的阈值来消除噪声，并以此恢复小波方法的性能。该方法不仅较好地解决了保护信号局部特征与抑制噪声之间的矛盾，能很好地对各种电能质量信号进行去噪处理，而且达到了数据压缩的效果。仿真计算结果表明，该去噪方法是有效的。     

图像噪声和小波阈值去噪

通过对一般图像处理中常见的噪声的描述,提出了具体的图像小波阀值去噪。     

小波去噪在变形监测数据处理中的应用

阐述了小波去噪的基本原理,通过实例证明了小波变换可实现对GPS变形监测数据的有效去噪,是一种可靠的分析方法。     

基于小波变换的降雨时间序列去噪方法研究

小波变换在降雨时间序列数据的去噪方面具有显著的优势,可有效提高降雨时间序列预测的准确性。为确定降雨时间序列小波去噪过程中小波基函数、分解尺度以及阈值估计方法的选择,实现最优去噪,以国家气象科学数据中心2008～2018年的日降雨时间序列为基础数据,以中国5个不同气候类型的省份为研究区域,基于复合指标T对57种小波基函数的去噪效果进行评价,并评价去噪过程中可能的分解尺度和常用阈值估计方法。结果表明：7～10阶的Daubechies小波是去噪效果最好的小波基函数组,最小T值在0.326 4～0.422 8之间,Symlets小波族的去噪效果最差;最优的分解尺度为3级,最小T值范围为0.184 4～0.252 6;混合阈值和Steins无偏风险估计阈值的去噪效果最好,最小T值在0.377 3～0.435 9之间。研究成果可为中国境内降雨时间序列和其他水文气象时间序列的去噪方法提供参考。     

基于小波去噪的苏通大桥索塔GPS监测数据分析

GPS技术以其全天候、高精度、高频性以及实时性等优点被广泛应用于大型桥梁结构或是工程的动态监测中。然而由于受各种因素的影响监测数据中不可避免地会含有粗差与噪声,这些粗差与噪声的存在势必影响对监测数据的处理与分析。为了消除或削弱粗差与噪声对分析结果的影响,依托苏通大桥索塔GPS监测数据,分析比较了小波分析与莱茵达准则法两种方法探测粗差的效果,鉴于二者的优缺点,提出小波变换、去噪与莱茵达准则相结合的方法,探测粗差的同时提取趋势项,并采用实测数据验证分析了该方法的有效性。最后在时间域里分析了索塔动态监测数据,得到一些具有参考价值的结论。     

大坝水平位移监测数据的小波变换去噪处理

将实际观测到的一组大坝水平位移监测数据作为通常意义下的时序信号，并对其进行小波变换分析。根据噪声和有用信号的小波变换系数模极大值在不同分解尺度上的传播特点，提出了根据模极大值的传播规律来区别噪声和有用信号的方法，并给出了具体的算法和计算程序。对模拟数据和实测数据的处理结果表明，基于小波分解模极大值的去噪方法能够有效剔除土木工程变形监测数据中的噪声，识别被噪声湮没的有用信号。     

CEEMDAN与小波变换混合去噪方法在光纤陀螺监测系统信号去噪中的应用

为了有效降低噪声对光纤陀螺监测系统实测信号的影响,提出基于CEEMDAN与小波变换混合去噪的方法。先将信号进行CEEMDAN分解,得到一系列IMF分量,计算每一个IMF分量与原始信号的相关系数,利用相关系数的大小筛选出主要的IMF分量。结合小波变换,对筛选出的IMF分量进行降噪处理,最后进行信号重构。引入含噪信号与降噪误差比和均方误差两个指标来判断降噪效果,利用单一的小波变换、CEEMDAN方法、CEEMDAN与小波变换混合去噪三种方法对仿真信号和实测信号进行分析。结果表明,基于CEEMDAN与小波变换混合去噪方法的去噪效果最好,有效地降低了噪声对真实信号的影响,去噪后的信号能准确地表征真实信号的变化特征。该方法非常适合光纤陀螺监测系统的信号去噪,能进一步提高光纤陀螺监测系统的测量精度。     

水电机组振动信号小波去噪参数优选方法研究

水轮机组振动信号在采集、传输和处理过程中不可避免地会引入噪声,要进一步处理信号必须进行去噪处理.小波去噪过程中小波和分解层数对去噪效果有很大影响,通常都按经验选取.本文提出一种针对具体水轮机组振动信号去噪时选择最优小波基和分解层数的方法.最终确定采用Db4小波分解5层对某机组上机架振动信号进行去噪,取得了良好的效果,分析得到最终去除的噪声为白噪声.     

基于小波消噪原理的参考作物腾发量预测模型研究

将小波分析与随机分析结合,提出了基于小波消噪的随机模型并将之用于太子河流域参考作物腾发量(ET0)的模拟和预测。其思路是:首先对时间序列进行小波消噪;根据消噪序列的变化特性建立适合的随机模型;最后应用模型进行预测。     

基于改进小波阈值-EMD算法的高拱坝结构振动响应分析

基于高拱坝泄流结构实测振动响应数据资料,针对泄流激励作用下不可避免混有各种噪声进而影响结构工作模态识别精度的问题,提出了一种基于改进的小波阈值-经验模态分解(EMD)联合算法的滤波降噪方法。以拱坝泄流结构实测振动响应资料为基础,利用改进的小波阈值算法滤除大部分高频白噪声,降低EMD分解的边界积累效应,进行EMD分解,通过去趋势波动分析(DFA)方法进一步滤除白噪声及低频水流噪声。工程实例分析结果表明,与小波分析、EMD方法相比,该方法具有更好的降噪效果,能精确滤除泄流结构实测振动响应信号中的低频水流噪声及白噪声,最大程度地保留信号中有效特征信息,并且为拱坝泄流结构在噪声干扰下提取有效信息提供了捷径,为坝体结构的安全监控打下了基础。     

基于FP-growth的大坝安全监测数据挖掘方法

为改善大坝安全监测数据库的数据挖掘方法运行速度慢、占用内存大的问题,提出改进FP-growth算法,将已预处理的监测数据剪枝后,生成Priority树再进行频繁项挖掘。以此方法挖掘大坝变形量与水温等环境量的相关关系,不仅挖掘速度快、精度高、结果简洁,还能够对比单个因子或分析多个因子耦合与目标变量的关系。实例表明改进后的FP-growth算法思想为大坝安全监测数据挖掘提供了一条良好的思路。     

水文序列分析中基于信息熵理论的消噪新方法

为准确有效地识别和分离水文时间序列中的噪声成分，应用信息熵理论并结合小波消噪的基本思路，建立了小波系数阈值优选熵准则和水文序列消噪新方法：即首先应用熵函数H值描述噪声成分的不确定度，并应用信息量系数ICF(information cost function)值描述主序列的复杂度；然后通过分析不同小波系数阈值对应的噪声成分H值和主序列ICF值的变化规律，可优选出合理的小波系数阈值；最后对小波系数进行阈值量化处理，即可实现水文序列消噪。通过对不同特性模拟序列和不同实测水文序列分别进行分析，并通过与常用小波消噪方法(FT、SURE、MAXMIN)的消噪结果对比，验证了该阈值优选熵准则的合理性和适用性。分析结果显示：水文序列中的噪声成分具有偏态特性，因此本文中应用偏态分布线型(P-III型分布)对噪声成分进行描述更为合理；且此阈值优选结果是基于信息熵理论而确定，因此是整体上最优值。     

基于离散平稳小波变换的原油触变特性研究

首次将离散平稳小波变换用于实验测定的原油触变信号的去噪。并与五点三次平滑处理及离散止交小波变换的去噪结果进行比较;实验结果表明：离散平稳小波变换明显优于其他滤波方法。对经离散平稳小波变换去噪后的触变数据分析的基础上,提出采用一种新型四参数双曲触变模型。该模型物理意义明确。拟合精度高,可用于工程实践。     

基于小波去噪的高斯过程回归模型在面板堆石坝沉降预测中的应用研究

引起面板堆石坝沉降变形的环境因素复杂,观测数据呈现出明显的噪声干扰特性,限制了数学模型拟合及预测的精度。对原始信号进行小波变换可有效分解其中的有用信号和噪声,因此,引入小波变换理论建立了基于小波阈值去噪的数学模型,并对面板堆石坝(CFRD)的沉降变形实测数据实施去噪,再对去噪后的数据进行高斯过程回归(GPR),建立了预测堆石坝沉降变形的模型。依托CFRD的实测沉降变形资料,采用Wavelet-GPR模型对大坝沉降进行了拟合与预测,并与未进行去噪的GPR模型计算结果进行对比。结果表明：Wavelet-GPR模型观测值与预测值的残差符合正态分布,去噪后学习段的均方根误差(RMSE)由0.928 7 mm减小至0.457 7 mm,平均绝对误差(MAE)由0.485 0 mm减小至0.330 6 mm;预测段的RMSE由1.308 9 mm减小至0.917 6 mm,MAE由0.926 3 mm减小至0.730 3 mm;且去噪后模型的样本观测值个数在其预测值95%置信范围内的占比有明显提升。因此,利用小波阈值去噪对实测沉降数据进行降噪处理能够降低噪声导致的数据观测值与真实值之间的误差,Wa...     

基于混沌的大坝监测序列小波RBF神经网络预测模型

本文结合混沌理论、小波分解与重构,以及径向基函数(RBF)神经网络的优点,提出了一种基于混沌的大坝监测序列小波RBF神经网络预测模型。该模型主要利用小波分析将大坝监测序列分解为趋势项和细节时间序列,并利用RBF神经网络和基于RBF神经网络的混沌理论对两种时间序列进行预测,最后通过小波重构得到预测值。实例分析表明,本模型能够克服监测序列中的噪声干扰,反映大坝监测序列的多尺度特性,对监测数据的预测精度较高,可应用于实际工程。     

大坝位移测点多维变形置信域的确定

综合大坝安全监测中不同方向的位移测值信息，探索出一种获得多维变形置信域的方法，从而突破了一维变形置信区间的局限，从多维角度为大坝变形预报及监控提供了依据。