基于改进局部均值分解方法的建筑物变形数据处理

ZHANG Mingdong

Survey World（2023）

深圳市勘察测绘院

被引用0|浏览0

摘要

为了提高建筑物变形监测中的预测精度,降低噪声对变形预测的影响,本文在局部均值分解(Local Mean Decomposition,LMD)方法的基础上,引入小波阈值去噪方法,提出一种新的LMD-小波阈值去噪方法.该方法实现信号去噪,步骤为:首先是通过LMD将信号分解为若干个乘积函数(Product Function,PF)以及余量,通过消除趋势波动分析方法计算H指数的方式得到PF分量中高频噪声分量与低频有用信号分量;其次是通过小波阈值去噪方法对高频分量进行进一步降噪,得到有用信息,并重构降噪后信号、低频分量以及余量得到降噪后信号;最后建立RBF神经网络模型对降噪后数据进行建模与预测.使用建筑物监测数据对本文提出方法进行验证,结果表明:本文方法较LMD方法、经验模态分解(Empirical Mode Decomposition,EMD)方法的降噪效果更好,降噪后数据预测精度更高,可在工程类监测项目中进一步应用.

更多

关键词

Local Mean Decomposition,wavelet threshold,noise reduction,deformation monitoring,RBF neural network model