基于多尺度与非线性方法相结合的变形分析与预报研究

变形监测及变形分析是国内外大地测量和防灾工程领域的边缘课题。GPS、测地机器人等技术应用，变形监测积累数据量大，如何及时、有效地从大量变形监测信息中进行数据挖掘、并进行变形分析和预报，具有重要理论意义和实用价值。单一方法变形分析与预报建模已有一定局限性，与单一方法相比，多种方法组合建模显示极大应用潜力和应用前景，非线性理论方法为变形分析研究提供了全新的评价、预测途径。本项目提出将小波多尺度与非线性优化理论相结合建模，利用小波变换将变形序列分解为不同尺度下趋势性平滑分量和细节分量进行建模方法；将小波多尺度分析同kalman滤波、神经网络模型强有力的逼近能力等方法有机地结合进行变形分析与预报，重点研究多尺度kalman滤波变形分析与预报模型，小波网络变形预报模型等方法与算法，建立基于小波与多种非线性方法相融合的变形分析与预报方法，为变形分析与预报提供一种新的思路。

变形监测及变形分析是国内外大地测量和防灾工程领域的边缘课题。工程建筑变形监测非线性融合变形分析与预报是该领域中前沿研究方向之一。本项目完成的主要研究内容有: 从理论上分析小波变换特性，研究了小波消噪阈值算法,提出了一种改进的Garrote阈值法；讨论了基于混沌特性的滑坡监测序列的小波去噪，建立基于支持向量机的混沌时间序列预测模型；利用小波变换将变形序列分解为不同尺度下趋势性平滑分量和细节分量基础上，提出一种非线性融合变形分析时间序列混合模型表达，结合高铁、大坝等工程建筑变形分析将小波多尺度与非线性优化理论相融合进行建模，建立了基于小波多尺度Kalman滤波模型、小波神经网络预测模型、遗传算法小波神经网络模型、基于Kalman滤波的GM(1,1)模型、灰关联Kalman滤波的变形分析模型，形成基于小波与多种非线性方法相融合系列变形分析与预报方法，与单一方法相比，提高了非线性变形的预测精度，为变形分析与变形预报提供一种融合建模新手段与方法。