地面沉降数据中周期性影响因素分析.docxVIP

地面沉降数据中周期性影响要素剖析 纲要：本文采纳MATLAB对地表沉降控制点的数据进行剖析。应用小波去噪的方法对累计沉降量进行滤波。并采纳傅立叶变换剖析的方法剖析影响地面沉降的主要周期性影响要素的周期信息。 重点词：MATLAB沉降数据小波去噪傅立叶变换 概括 地面沉降控制点的沉降量构成的数据序列是一非安稳过程，主要由三部分构成：有时偏差项、地面下 沉的逐势项、周期性的影响要素致使的变化。在剖析周期性影响时，第一要提取第一项和第二项，从剩下的信息中获取周期性影响。本文采纳一步小波分解的方法去除第一项偏差，利用多项式函数进行拟合去除逐势项，而后采纳傅立叶变换，应用频谱剖析的方法提取周期信息。 基来源理 2.1小波分解MALLAT 算法 小波剖析方法是一种窗口大小（即窗口面积）固定但其形状可改变，时间窗和率窗都可改变的时频局部 化剖析方法。它在时域和频域同时拥有优秀的局部化性质。 MALLAT算法的产生使小波剖析方法进一步走 向适用，下边是 MALLAT算法的基来源理 设多分辨率小波变换的尺度函数为 (x),对应的小波函数为(x), 它们知足： (x) h(n) (2x n) (x) n g(n) (2x n) n 此中： ( )( 1) 1n (1 ) gn h n 对应MAR为： Vj 1 Vj Vj 1 Wj 1 Wj Wj1 设hi(t)，在尺度 2j下所光滑的信号 Adjhi为： Adjhi hi(t), j,k(t) 2j/2hi(t)(2jt k)dt 在尺度 2j下的细节信号 Dj h为： Djh hi(t),j,k(t) 2j/2hi(t)(2jt k)dt hi(t)分解的过程是从j 1尺度到j 尺度逐渐分解。即对沉降量hi(t)从高分辨率到低分辨率分解的过 程。将Adj1hi分解为Adjhi和Djhi Adjhi h(k2n)Adj1hi k Djhi g(k2n)Adj1hi k 2.2多项式拟合原理 多项式拟合是以丈量所得的观察值序列 (ti,hi(ti))i0,1,,m基础。求作n次多项式（n＜＝m） ? n n1 1 n k ant an1t a1t a0 akx hi(t) k 0 使知足最小二乘条件： m 2 Q ? hi(t)] min [hi(t) i 0 经过采纳多元函数求极值的方法确立多项式的系数 ? ai,则hi(t)即为最小二乘拟合多项式。 2.3傅立叶变换 傅立叶变换是众多科学领域里重要的工具之一。它引入到地面沉降数据办理领域剖析周期性影响要素是拥有实质意义。失散傅立叶变换的基本思路： 假设hi(t)为T期观察的累计沉降量构成的有限长序列， 且为等时间间隔。定义hi(t)的T点失散傅立 叶变换为（先假设丈量频次为 1赫兹）： T 1 j 2 kt 0,1,,T 1) Hi(k) hi(t)e T(k t 0 因为频谱值Hi(k)没有直观意义，往常将它转变为能量， 构成能量－频次图。 则对应频次为fk k/2T 的谱能量为： P(real(Hi k ))2 (imag(Hi k ))2 k ,T 1 此中：k 0,1, 3实例剖析 在兖州某矿井治理的过程中，为客观反响矿井的沉降趋向，我们在矿井四周共布设 23个二等精细水 准变形监测点，经过二等精细水平联测到矿区稳固的水平基点。现已观察 22期水平数据。我们对 8号、9 号沉降控制点全部观察累计沉降量数据剖析（图 1为观察的曲线，一个单位为 15天）。由图可看法表累计 沉降量观察值是一非安稳过程，采纳前述方法提取周期性信息（观察的原始沉降量数据略） 。 3.1采纳一步小波分解去除有时偏差项 号点 号点 可以为沉降量的主要信息在一步小波分解的近似部分，剖析周期要素主假如剖析近似部分含有的周期性信息。 3.采纳多项式拟合去除逐势项 一步小波分解的近似部去除逐势项 对8号点采纳以下4次多项式 h(t) 0.0012 t4 0.0420t3 0.4429 t2 1.8888 t1 0.1434 对9号点采纳以下 4次多项式 h(t) 0.0013 t4 0.0437t3 0.4445 t2 1.4914 t1 1.2969 一步小波分解近似部分的逐势项去除残差图 由去掉逐势项后的残差曲线图可显然看出：累计沉降量中包括有周期性的影响要素。但却不可以判断它的详细周期，更没有方法判断是由季节性温度影响仍是地下水的影响或其余要素。 4.傅立叶变换剖析周期性影响要素 傅立叶变换函数为我们剖析丈量数据供给了有效的方法。剖析兖州某矿主井邻近的二等精细水平一年的实测数据时（原始数据略），对沉降数据采纳多项式拟合的方法去除逐势项后进行傅氏变换，剖析要素的影响周期并获得比较满意的成效。 对一步小波近似部分系数残差图傅立叶变换 表示主井沉降的主要影响频次约 2.4