-
公开(公告)号:CN113792366A
公开(公告)日:2021-12-14
申请号:CN202111043442.0
申请日:2021-09-07
申请人: 上海交通大学 , 上海城建城市运营(集团)有限公司
摘要: 本发明涉及一种基于STL分解的隧道收敛变形预测方法,该方法包括:S1、获取历史隧道收敛变形数据并进行标准化处理得到初始数据序列;S2、对标准化后的初始数据序列进行STL分解得到趋势项、季节项和残差项三项数据;S3、分别对趋势项、季节项和残差项三相数据进行拟合得到各项数据的预测子模型;S4、将三项数据的预测子模型加总得到组合预测模型;S5、采用组合预测模型对隧道收敛变形进行预测。与现有技术相比,本发明具有计算过程清晰,模型拟合精度高,能够辅助解释隧道收敛变形的季节性波动物理过程等优点。
-
公开(公告)号:CN116304549A
公开(公告)日:2023-06-23
申请号:CN202211626078.5
申请日:2022-12-15
申请人: 上海交通大学 , 上海城建城市运营(集团)有限公司
IPC分类号: G06F18/10
摘要: 本发明涉及一种隧道健康监测数据小波阈值去噪方法,包括以下步骤:小波分解:获取结构响应信号,选择合适的小波基函数与分解层数n,对其中的噪声信号进行n层小波分解;阈值处理:对小波分解后得到的各层细节小波系数进行阈值处理,得到对应降噪后的各层高频小波系数;小波逆运算:利用降噪后的各层高频小波系数与第n层低频小波系数,重构信号分量,即得到与原始信号采样数量相一致的降噪信号。与现有技术相比,本发明能够有效解决传统方法小波基函数、分解层数选取客观性不足以及单一指标衡量去噪效果可靠性差的问题,有效去除外部环境噪声带入系统的冗余信息,有助于揭示序列的真实特征,进而可靠完成异常检测的任务。
-
公开(公告)号:CN116163807A
公开(公告)日:2023-05-26
申请号:CN202211616781.8
申请日:2022-12-15
申请人: 上海交通大学 , 上海城建城市运营(集团)有限公司
摘要: 本发明涉及一种基于ARIMA模型的隧道健康监测异常数据动态预警方法,包括:将非平稳序列转化为平稳、非白噪声序列;采用自动化识别阶数的方法,利用赤池信息准则与贝叶斯信息准则,选择出最优ARIMA(p,d,q)模型对应的参数;选择最大似然估计进行参数估计,得到参数对应数值;模型验证;选取监测当日不同时刻的数据,进行静态ARIMA建模,输出得到多步预测值;采取模型误差监控的机制,基于模型的实际拟合情况来判断是否需要更新模型参数,保证动态模型的准确性;计算测量值与预测值之间的误差,将该误差与预设的分级动态阈值进行比较,输出得到对应的分级预警结果。与现有技术相比,本发明能够有效提高多步预测的精度,保证异常数据动态预警的准确性。
-
-