建筑物沉降变形监测数据处理与预测方法研究

《建筑物沉降变形监测数据处理与预测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：密级：公开学号：2008201单位代码：10407硕士学位论文论文题目:建筑物沉降变形监测数据处理与预测方法研究研究方向数字城市技术与方法专业名称大地测量学与测量工程研究生姓名陈刚导师姓名、职称刘小生教授2011年3月26日江西·赣州摘要近年来，随着我国现代化进程的不断加快和建筑事业的飞速发展，高层建筑物、大型水利工程、桥梁工程等越来越多地出现在我们的生活中。这些高大建筑物在给我们生活带来方便的同时也带来了许多安全隐患。为了保证建筑物的安全，避免造成不必要的经济损失和人员伤亡，需要定期地对建筑物进行沉

2、降观测，获得沉降变形数据，并对沉降变形数据进行处理分析，正确地预测出建筑物的变形趋势，以便及时采取适当的预防措施，防止灾害的发生，保证建筑物的安全。通常，建筑物沉降观测数据为一系列包含有噪声的并且波动性较大的短序列离散数据。本文通过分析研究各种变形监测数据处理与预测方法，结合建筑物沉降的特点，在前人研究的基础上提出了一种基于小波变换阈值去噪的灰色马尔可夫链方法，并应用在建筑物沉降变形监测数据处理与预测。本文结合郑州市绿地世纪大厦沉降变形监测实例，选取了S5、S7、S18、S22四个有代表性的监测点进行了分析研

3、究。论文首先在数据处理上，利用Matlab小波工具箱进行Db4尺度为3的小波分解，并对分解信号进行小波重构，得到去噪后的有用数据；其次，建立GM(1,1)灰色预测模型对去噪后的数据进行沉降预测，并求出沉降预测值与实际观测值的相对误差，利用马尔可夫链模型对相对误差进行状态的划分，判断出未来沉降量的状态区间，进一步求得建筑物的未来沉降预测值；最后把小波灰色马尔科夫链计算结果和单纯的灰色预测结果以及小波灰色预测结果进行对比，对比结果表明，小波变换灰色预测结果要优于单纯的灰色模型预测结果，在小波灰色预测的基础上再利用

4、马尔可夫链进行模型的修正可以进一步提高模型的预测精度，特别是对于波动性较大的数据,基于小波变换阈值去噪的灰色马尔可夫链方法的优越性更能体现出来，它为随机波动性较大数据序列的提供了一种新的数据处理与预测方法。关键词：数据处理;变形预测;小波变换阈值去噪;灰色模型;马尔可夫链IAbstractInrecentyears,withtheacceleratingofourcountrymodernizationprocessandtherapiddevelopmentofarchitecturalcareer,the

5、rearemoreandmoreHigh-risebuildings,large-scalewaterconservancy,bridgeengineeringinourlives.Thesetallbuildingstobringconveniencetoourlives,italsobringsalotofsecurityrisks.Inordertoensuresecurityofthebuildings,andavoidunnecessaryeconomiclossesandcasualties,we

6、needregularlycarriesonthesettlementobservationtothebuildings,obtainsthesubsidencedeformationdata,andmankeanalysisandforecastthetendencyofdeformationofbuildingscorrectly,andsoastoadoptethesuitablemeasurestopreventdisasterhappensandensurethesafeofthebuildings

7、Usually,thedataofobservationsettlementisaseriesofcontainingnoiseandvolatilitylargershortsequencesdiscretedata.Thisarticleanalyzesallkindsofdeformationmonitoringdataprocessingandforecastingmethodandcombiningthecharacteristicsofthebuildingsettlement,onthebasi

8、sofpreviousstudies,proposeangrey-markovchainmethodbasedonwavelettransformationthresholddenoisingandapplicationinbuildingsettlementdeformationmonitoringdataprocessingandforecasting.Thisarticlecombinesth