基于小波去噪的BP神经网络在变形监测中的应用

张 博

(北京市煤气热力工程设计院有限公司, 北京 100000)

0 引言

工程建设中建筑物发生形变是不可避免的,但超过了工程规范的范围,便会造成安全隐患。因此，工程建设中对建筑物变形必须进行严格监测,及时、准确地反馈建筑物形变动态,在预报工程险情方面起着至关重要作用[1-2]。沉降变形是一个随时间序列高度动态的非线性变化过程,而人工神经网络模型可以近似逼近任意的连续函数,在变形分析与预测预报应用效果上优于传统的数据处理方法[3-5]。

为提高沉降变形数据的稳定性和准确性,需对数据信号进行降噪处理。小波变换具有多分辨性和去相关性的特点,使其在降噪滤波方面具有很好优势[6-7]。本文将结合小波去噪和BP(Back Propagation)神经网络实现变形监测数据分析和预测,并对预测结果进行精度分析。

1 小波去噪

小波分析是一种被誉为数学显微镜的信号处理技术,结合了傅里叶变换的优点[7]。根据真实信号明显区别于噪声所对应的小波系数幅值,小波分析对其可以进行有效地分离,从而实现了去噪的目的。小波去噪的方法主要分为三类:小波变换极大值法、小波系数相关性法以及小波变换阈值法三种[8]。本文采用经典的小波变换阈值法,主要步骤有三步。

(1)小波分解:计算含噪声信号的小波变换,选择合适的小波分解层数,将数据进行小波分解,得到相应的小波分解系数。

(2)高频系数进行阈值量化:选择合适的阈值函数,将分解得到的高频系数进行阈值量化,得到估计小波系数。……