基于小波多尺度卡尔曼滤波模型的建筑物变形分析预测研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 变形监测目的和意义 | 第8页 |
| 1.2 变形监测的发展现状及趋势 | 第8-9页 |
| 1.3 建筑物变形监测概述 | 第9-10页 |
| 1.4 本文主要研究的内容 | 第10-11页 |
| 第二章 建筑物的变形监测 | 第11-17页 |
| 2.1 建筑物的变形监测 | 第11页 |
| 2.2 建筑物变形监测信息获取 | 第11-12页 |
| 2.3 变形监测信息处理分析 | 第12-13页 |
| 2.4 建筑物变形的分析预测 | 第13-17页 |
| 2.4.1 多元线性回归模型 | 第13-14页 |
| 2.4.2 时间序列模型 | 第14-15页 |
| 2.4.3 灰色系统预测模型 | 第15-16页 |
| 2.4.4 卡尔曼滤波模型 | 第16-17页 |
| 第三章 小波与卡尔曼滤波的基本理论 | 第17-36页 |
| 3.1 小波基本概述 | 第17-22页 |
| 3.1.1 小波变换 | 第18-21页 |
| 3.1.2 小波的 Mallat 算法 | 第21-22页 |
| 3.2 小波去噪的几种方法 | 第22-28页 |
| 3.2.1 小波分解与重构法去噪 | 第23页 |
| 3.2.2 非线性小波变换阈值法去噪 | 第23-25页 |
| 3.2.3 模极大值法及平移不变量法 | 第25-26页 |
| 3.2.4 小波去噪方法的比较 | 第26-27页 |
| 3.2.5 小波去噪效果评价 | 第27-28页 |
| 3.3 小波变换在变形分析中的应用 | 第28-29页 |
| 3.4 卡尔曼滤波基本理论 | 第29-34页 |
| 3.4.1 卡尔曼滤波模型概论 | 第29-30页 |
| 3.4.2 卡尔曼滤波的数学模型 | 第30-32页 |
| 3.4.3 自适应卡尔曼滤波 | 第32-34页 |
| 3.5 卡尔曼滤波在变形分析中的应用 | 第34-36页 |
| 第四章 小波多尺度卡尔曼滤波模型 | 第36-48页 |
| 4.1 小波多尺度简介 | 第36-41页 |
| 4.1.1 小波多尺度概念 | 第36-38页 |
| 4.1.2 常用的小波函数 | 第38-41页 |
| 4.2 小波多尺度卡尔曼滤波模型的建立 | 第41-48页 |
| 4.2.1 小波函数的选取 | 第42-44页 |
| 4.2.2 小波分解尺度的确定 | 第44页 |
| 4.2.3 阈值的选择 | 第44-46页 |
| 4.2.4 小波多尺度动态系统状态方程 | 第46页 |
| 4.2.5 小波多尺度卡尔曼滤波模型 | 第46-48页 |
| 第五章 小波多尺度卡尔曼模型实例分析 | 第48-62页 |
| 5.1 沉降监测数据的小波分析处理 | 第48-54页 |
| 5.1.1 确定小波函数和最大尺度 | 第49-51页 |
| 5.1.2 选择合适的阈值 | 第51-52页 |
| 5.1.3 信号边缘失真问题处理 | 第52-54页 |
| 5.2 变形数据的小波卡尔曼滤波处理 | 第54-58页 |
| 5.3 监测数据的预测 | 第58-62页 |
| 结论与展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66页 |
