结合Kalman滤波与小波神经网络的沉降形变监测

陈冠宇; 胡小伍; 洪雪倩; 党沙沙; 周吕

您当前的位置：

首页 >

文章列表页 >

结合Kalman滤波与小波神经网络的沉降形变监测

3S技术应用 | 更新时间：2025-11-25

- 结合Kalman滤波与小波神经网络的沉降形变监测
- 结合Kalman滤波与小波神经网络的沉降形变监测
- 地理空间信息 2023年21卷第1期页码：101-103+112
- 作者机构：
  
  1. 浙江省国土勘测规划有限公司杭州分公司
  2. 浙江省测绘科学技术研究院
  3. 桂林理工大学测绘地理信息学院
- 作者简介：
- 基金信息：
  
  广西科技计划资助项目（桂科AD19110107）
- DOI：
  中图分类号： U456
- 纸质出版：2023
- 稿件说明：
移动端阅览
陈冠宇, 胡小伍, 洪雪倩, 等. 结合Kalman滤波与小波神经网络的沉降形变监测[J]. 地理空间信息, 2023,21(1):101-103+112.

陈冠宇, 胡小伍, 洪雪倩, et al. 结合Kalman滤波与小波神经网络的沉降形变监测[J]. 2023, 21(1): 101-103+112.
陈冠宇, 胡小伍, 洪雪倩, 等. 结合Kalman滤波与小波神经网络的沉降形变监测[J]. 地理空间信息, 2023,21(1):101-103+112. DOI：

陈冠宇, 胡小伍, 洪雪倩, et al. 结合Kalman滤波与小波神经网络的沉降形变监测[J]. 2023, 21(1): 101-103+112. DOI：

摘要

高速铁路隧道工程监测点沉降曲线具有小沉降、大波动的特点，沉降变形数据中存在大量随机噪声，将影响沉降变形分析的准确性。将Kalman滤波应用于高铁隧道沉降变形数据预处理，对沉降变形数据进行去噪，再利用小波神经网络对去噪后的沉降变形数据进行预测分析，从而提高单一小波神经网络的预测精度。通过工程实例分析表明，结合Kalman滤波的小波神经网络预测精度优于单一小波神经网络，具有更好的应用价值。

Abstract

关键词

Keywords

references

陈冠宇,文鸿雁,周吕,胡纪元.基于Kalman滤波下的高铁隧道沉降变形评估方法[J].桂林理工大学学报,2013(04).

谢翔,郭际明,曹文涛,周命端.基于卡尔曼滤波算法卫星数不足情况下的连续定位[J].地理空间信息,2013(01).

余学祥,吕伟才.抗差卡尔曼滤波模型及其在GPS监测网中的应用[J].测绘学报,2001(01).

岳荣花.小波神经网络在沉降预测中的应用研究[D].河海大学,2007(06).

员世芬.小波神经网络理论的研究及其在加热炉钢坯温度预报中的应用[D].太原理工大学,2005(03).

张德丰, 编著.MATLAB神经网络编程[M].化学工业出版社,2011.

张正禄等, 编著.工程的变形监测分析与预报[M].测绘出版社,2007.

李向国主编.高速铁路技术[M].中国铁道出版社,2005.

浏览量

280

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

灰色GM（1,1）与Kalman滤波模型用于变形预测的比较分析

三维激光扫描测量技术在变形监测中的应用

基于ArcGIS10的月球地图投影方法对比研究

基于特征优选和优化算法的遥感影像机器学习分类方法

利用Prophet-PSO-LSTM模型预测地表沉降