基于经验模式分解与LM一BP神经网络的大坝变形预报模型

提出一种基于经验模式分解(EMD)与LM-BP神经网络相结合的模型进行大坝变形预报的方法.先利用EMD具有根据信号本身特征进行自适应分解的功能将变形时间序列分解为一系列不同尺度的固有模式分量IMF,再根据各个IMF的变化规律采用相匹配的LM-BP模型进行预报,最后对各分量的预报值进行叠加得到最终的变形预报结果.实例分析...     

单频GPS基线精化解算的经验模式分解方法

为了削弱非模型化误差对单频GPS基线解算的影响,引入经验模式分解法对原始双差观测值进行自适应滤波消噪.在此基础上应用消噪后的双差观测值结合LAMBDA方法进行整周模糊度确定,进而计算基线固定解.算例分析结果表明:此方法可以有效增强基线解算的可靠性并能明显改善定位精度.     

基于经验模式分解消噪的高层建筑物变形监测数据处理方法

经验模式分解方法具有根据信号本身特征进行自适应滤波消噪的功能,基于这一特点将其应用于高层建筑物变形监测数据处理.通过对实际变形监测数据进行分析,表明应用该方法可以取得良好的消噪效果,并可从受强噪声干扰的数据序列中提取出微弱的变形特征信息.     

大坝变形预报的神经网络极限学习方法

针对大坝变形具有强非线性的特点以及在采用传统BP神经网络模型进行预报时存在学习速度慢、易陷入局部极小等问题,提出将极限学习机(ELM)方法用于大坝变形预报。该方法不仅可以简化网络参数选择过程,而且可以明显提高网络的训练速度,并具有良好的泛化性能。工程实例结果分析表明了ELM方法应用于大坝变形预报具有可行性和有效性。     

病态问题解算的直接正则化方法比较

为了解算病态问题,需正确选择适合的正则化方法,为此分析了截断奇异值法和Tikhonov正则化方法的异同点.在此基础上,阐述了L曲线法和GCV法确定最优正则化参数的基本原理.通过数值算例分析表明:截断奇异值法和Tikhonov法可以有效消除观测方程的病态性；利用L曲线法和GCV法不仅可以对Tikhonov方法中的连续正则...     

单历元GPS变形信息特征提取的EMD方法

为了准确地对单历元GPS变形信息特征进行提取,提出应用EMD（经验模式分解）方法对变形数据进行去噪处理。通过对实际工程算例进行分析并与小波变换及中值滤波方法进行对比,结果表明：EMD方法的去噪效果优于中值滤波方法,同时EMD方法具有自适应滤波去噪的功能．避免了应用小波去噪时其效果与小渡基函数的选择相关的缺陷。在对变形数据进行有效去噪的基础上,应用EMD方法可以完成对单历元GPS变形信息进行有效识别并提取出微弱的变形特征。     

江苏省区域电离层模型的建立和精度分析

利用江苏省连续运行卫星定位参考站综合服务系统的双频GPS载波相位观测数据,分别采用曲面拟合法、神经网络方法建立区域电离层模型,并详细分析不同模型的精度.计算结果表明,当基准站间距为200～300 km时,曲面拟合模型的平均外符合精度为0.21 m,神经网络电离层模型的平均外符合精度为0.06 m;基于神经网络电离层模型的单频GPS精密单点定位4 h静态时段解可以达到cm级精度.     

建筑物变形监测数据去噪的LMD方法

将局部均值分解方法 LMD应用于建筑物变形监测数据去噪.首先介绍局部均值分解的基本原理,然后给出其去噪的流程,最后通过一工程的实际数据进行分析.结果表明,其去噪性能优于EMD滤波去噪方法与小波去噪方法.