基于小波分析的隧道监测数据处理.pdfVIP

现代隧道技术 MODERNTUNN班J鹏 基于小波分析的隧道监测数据处理 TEC}州OLOGY 文章编号：1009-6582(2010)040058--04 基于小波分析的隧道监测数据处理 周大华1 肜增湘z 陈建平3 (1湖北省十漫高速公路建设指挥部，十堰442011；2湖北省交通规划设计院，武汉430051； 3中国地质大学(武汉)，武汉430074) 摘要基于小波分析理论．对一组隧道洞内水平收敛监测数据进行了去噪重构。实际分析结果表明，小波分 析能够有效地去除监测数据的噪声。识别数据中的突变点；从去噪后的数据曲线分析，得出水平收敛量的发展趋势。 可以有效地指导隧道的安全施工。 关键词 小波分析隧道工程监测数据 中图分类号：U4靳3．1 文献标识码：A 难。 1 引言 目前．由于测量仪器精度和偶然因素的影响． 在大型建筑物施工、运营、管理期间．为了了解 现场实际监测数据是带有随机误差的离散数据．根 其设计是否合理及稳定状况．需要对建筑物进行变 据实测数据绘制的随时间而变化的散点图是上下 形观测。更重要的是：对变形观测数据的趋势分析也 波动的时间序列。人们在利用量测数据进行岩土体 是判断建筑物运行状态是否异常的重要手段。传统 参数反分析和基坑稳定性分析中．往往需要对实测 的变形分析和预测方法主要有：回归分析法、数据反 数据的发展趋势进行预测。但是在获取监测数据 演法、灰色模型预测法和BP神经网络分析法III。其时．岩土体受到许多非确定性因素的干扰。影响着 中。回归分析法只适合单点分析，数据样本较多时才 获得数据的精确性，从而影响预测、预报和反演工 能达到较好的效果：若数据趋势与选用的函数特征 作的可靠性。鉴于此，从提取精确监测数据的角度 不相同时，误差较大。当顾及多种先验信息时，数据 出发．利用小波分析的去噪和多分辨性，从现场获 反演法能取得较好效果：但是经验信息不足时将导 得的监测数据中去除噪声，从而获得岩土体的趋势 致反演结果不唯一，可靠性差。灰色模型预测法和 性部分和波动部分121，其中趋势性部分为岩土体自 BP神经网络分析法在样本较少时．能克服回归分析 身的变化规律．而波动部分可能为非确定性因素和 法的不足．但模型参数的非唯一性会导致模型过程 随机因素，如降雨、气候和施工等对岩土体的影响。 的多样性，加大建模工作量。以上各种方法不论是静 针对波动部分．根据工程实际情况去除或保留部分 态的还是动态的、线性的还是非线性的，都需要通过 波动因素．为工程的预测提供更为准确的数据支 模型的建立来实现．因此就必须顾及到信息量的多 撑。 少．即不同的解决模式和方法问题。更重要的是传 隧道的周边监测数据可以视为由短时高频成分 统方法中对于源数据基本上都没有预处理(即去噪) 和长时低频成分组成且无太多先验知识的信号(其 这一环节，即便是有也只是剔除明显的异常值．这必 中监测数据相当于信号，观测误差相当于噪声)，因 然影响数据处理结果的精度。由此可见。由于传统方 此将小波分析方法引入到隧道周边监测数据的分析 法的诸多不足．在分析实际问题时会造成一定的困 和趋势预测中可以克服传统方法的这些不足。 修改稿返国日期：2010--02-26 Q苎竺堂苎!塑!璺苎婴塑!丝!竺苎!星些璧 V01．47．No．4。Total．No．333 Aug．2010 现代隧道技术