基于小波技术的基坑监测时间序列动态预测研究
|
摘要
当前,深大基坑的应用越来越广,对于大型建筑物来说,基坑的施工影响到整个建筑物的施工安全和将来的运营。准确地进行动态预测不仅可为基坑工程的安全施工提供可靠保证,而且还能为新技术的推广和应用提供经验。通常采用仪器对基坑工程进行安全监测,并及时处理和分析监测数据。目前,常用的监测数据的处理方法有回归分析法、灰色理论分析法及神经网络方法等。近年来,时间序列分析方法因其可以处理动态数据、在短期内预测精度较高等优点,在工程实际中得到了广泛的应用。
但是,在基坑监测数据采集过程中,不可避免的会受到施工以及其它不确定因素(如天气、环境等)的影响,从而采集到的监测数据会含有一定程度的噪声,如果此时直接将采集得到的监测数据用时间序列分析方法进行分析,那么噪声的存在必将影响分析结果的精度,因此,对监测数据采用时序分析前最好能够将隐藏在信号中的噪声去除掉以达到更好的分析结果。鉴于此,论文提出了基于小波技术改进时间序列分析的方法。
小波技术具有多分辨率性,可以将一个信号分解为不同频段的信号,而信号与噪声恰好处在不同的频段,信号处在低频段,在时域与频域上是局部的;噪声处在高频段,在时域空间是全局分布,在整个监测时段内处处存在。因此,利用这一分布特征,只要选取一定的高频系数阈值对高频系数处理就可以有效地的除噪而保留信号。
论文结合润扬长江公路大桥南汊悬索桥南锚碇采用排桩冻结法新技术的工程实际,对深基坑监测数据提出了基于小波技术的时间序列分析优化方法,旨在将时间序列分析的多步预报功能与小波对信号精加工的功能相结合,对监测数据进行提纯处理。论文采用小波改进时间序列分析方法建立了时间序列动态预测模型,分析、预测基坑性态,及时修改设计方案,为基坑的安全施工提供了技术保障,为排桩冻结法新技术应用于深大基坑工程提供了支撑。
At present, deep foundation pit is applied more and more fargoing. As for the large-scale building, deep foundation pit's construction affect the whole building's safety and exertion. The precise dynamic forecast can not only provide reliable guarantee for the deep foundation pit's safety but also provide value experience for the technical spread and application. Generally, deep foundation pit is monitored by using instrument. In time deal with and analyse monitoring data. Nowadays, there are many methods of dealing with monitoring data, for example, regression analysis, grey theory analysis and neural network. Recently, time series analysis method is comprehensive put on. Because it can deal with dynamic data and have good precise of prediction in short-term.However, in the process of collecting data, it is inevitable that it is affected by construction and others factors(such as weather and environment). So the collected data include a certain extent noises. If analyse the monitoring data by time series directly, the noise will influence the precise of the analysis result. Therefore, before analyzing the monitoring data by time series, it is the best that wipe off the noises of the signal. So, the paper put forward the time series analysis method based on wavelet reducing-noises.Wavelet technology possess the multi-differentiated character. It can decompose the signal into different frequency signal. Signal and noises lie in different frequency apropos. Signal lie in low frequency, it is partial on time zone and frequency zone;Noises lie in high frequency, it is general on time zone. So, making use of its character, it can wipe off the noises and save the signal by using certain high frequency coefficient scope to deal with the high frequency coefficient.The paper study base on the engineering fact of the Run Yang Yangtse Bridge's south anchor. The south anchor apply new technology of frozen row piles methods. The paper put forward new method of data processing based on time series analysis of wavelet technology. It can combine the multi-step forecasting function of time series analysis and the refined data processing function of wavelet. The paper carry out time series analysis based on wavelet technology and establish the dynamic forecast model to analyse and forecast deep foundation pit state. So it can amend the design in good time and afford reliable guarantee for construction of deep foundation pit and much support for the deep foundation pit of using the frozen row piles methods.
但是,在基坑监测数据采集过程中,不可避免的会受到施工以及其它不确定因素(如天气、环境等)的影响,从而采集到的监测数据会含有一定程度的噪声,如果此时直接将采集得到的监测数据用时间序列分析方法进行分析,那么噪声的存在必将影响分析结果的精度,因此,对监测数据采用时序分析前最好能够将隐藏在信号中的噪声去除掉以达到更好的分析结果。鉴于此,论文提出了基于小波技术改进时间序列分析的方法。
小波技术具有多分辨率性,可以将一个信号分解为不同频段的信号,而信号与噪声恰好处在不同的频段,信号处在低频段,在时域与频域上是局部的;噪声处在高频段,在时域空间是全局分布,在整个监测时段内处处存在。因此,利用这一分布特征,只要选取一定的高频系数阈值对高频系数处理就可以有效地的除噪而保留信号。
论文结合润扬长江公路大桥南汊悬索桥南锚碇采用排桩冻结法新技术的工程实际,对深基坑监测数据提出了基于小波技术的时间序列分析优化方法,旨在将时间序列分析的多步预报功能与小波对信号精加工的功能相结合,对监测数据进行提纯处理。论文采用小波改进时间序列分析方法建立了时间序列动态预测模型,分析、预测基坑性态,及时修改设计方案,为基坑的安全施工提供了技术保障,为排桩冻结法新技术应用于深大基坑工程提供了支撑。
At present, deep foundation pit is applied more and more fargoing. As for the large-scale building, deep foundation pit's construction affect the whole building's safety and exertion. The precise dynamic forecast can not only provide reliable guarantee for the deep foundation pit's safety but also provide value experience for the technical spread and application. Generally, deep foundation pit is monitored by using instrument. In time deal with and analyse monitoring data. Nowadays, there are many methods of dealing with monitoring data, for example, regression analysis, grey theory analysis and neural network. Recently, time series analysis method is comprehensive put on. Because it can deal with dynamic data and have good precise of prediction in short-term.However, in the process of collecting data, it is inevitable that it is affected by construction and others factors(such as weather and environment). So the collected data include a certain extent noises. If analyse the monitoring data by time series directly, the noise will influence the precise of the analysis result. Therefore, before analyzing the monitoring data by time series, it is the best that wipe off the noises of the signal. So, the paper put forward the time series analysis method based on wavelet reducing-noises.Wavelet technology possess the multi-differentiated character. It can decompose the signal into different frequency signal. Signal and noises lie in different frequency apropos. Signal lie in low frequency, it is partial on time zone and frequency zone;Noises lie in high frequency, it is general on time zone. So, making use of its character, it can wipe off the noises and save the signal by using certain high frequency coefficient scope to deal with the high frequency coefficient.The paper study base on the engineering fact of the Run Yang Yangtse Bridge's south anchor. The south anchor apply new technology of frozen row piles methods. The paper put forward new method of data processing based on time series analysis of wavelet technology. It can combine the multi-step forecasting function of time series analysis and the refined data processing function of wavelet. The paper carry out time series analysis based on wavelet technology and establish the dynamic forecast model to analyse and forecast deep foundation pit state. So it can amend the design in good time and afford reliable guarantee for construction of deep foundation pit and much support for the deep foundation pit of using the frozen row piles methods.
引文
[1] 沈保汉,深基坑工程技术讲座(20),建筑技术开发,2000,27(1):68-70
[2] 沈保汉,深基坑工程技术讲座(21),建筑技术开发,2000,27(2):50-52
[3] 赵友合,建筑深基坑工程监测技术设计要点,煤炭工程,2004,1:37-40
[4] 石立国,深基坑监测系统的设计与实施,地基基础工程,2000,10(2):31-36
[5] 熊顺成,蔡美峰,地下工程监控时间序列分析方法及应用,北京科技大学学报,1995,17(1):1-4
[6] 张玉祥,岩土工程时间序列预报问题初探,岩石力学与工程学报,1998,17(5):552-558
[7] 蒋国盛,李红民,管典志,李汉旭编著,基坑工程,武汉:中国地质大学出版社,2000
[8] 赵锡宏,陈志明,胡中雄等编著,高层建筑深基坑围护工程实践与分析,上海:同济大学出版社,1996
[9] 张潇,刘祖强等,高层建筑物(群)深基坑工程变形监测与信息化施工,地理空间信息,2004,2(3):34-36
[10] 王永华,殷世华主编,岩土工程安全监测手册,北京,中国水利水电出版社,1999
[11] 王建宇编著,隧道工程监测和信息化设计原理,北京,中国铁道出版社,1990
[12] 赵志仁著,大坝安全监测的原理与应用,天津,天津科学技术出版社,1992
[13] 吴中如主编,三峡水工建筑物安全监测与反馈设计,北京,中国水利水电出版社,1999
[14] 杨子胜,杨毅辉等,深基坑工程发展初探,科技情报开发与经济,2004,14(5):118-119
[15] 史佩栋,国内外高层建筑深基础工程技术状况,铁道建筑技术,1995,1:22-24
[16] 陈宗平,邱友良,基坑工程安全控制浅析,煤炭工程,2004,5:121-122
[17] 吴泳川,陈琦,深基坑工程中现场监测的回顾与展望,天津城市建设学院学报,2001,7(2):88-90
[18] 董明钢,杨峰,我国深基坑工程的现状和亟待解决的问题,建筑技术,2004,35(5):328-331
[19] 王赞丰,基坑安全监测技术研究,山西建筑,2005,31(22):100-101
[20] 杨林德,钟才根等,基坑支护位移和安全性监测的动态预报,土木工程学报,1999,32(2):9-13
[21] 戴凤微,吴伟,基坑支护工程监测问题的探讨,浙江水利科技,2004,5:33-36
[22] 朱永全等,时间序列分析在隧道施工监测中的应用,岩石力学与工程学报,1996,15:353-359
[23] 石双忠等,时序分析在变形监测数据处理中的应用,工程勘察,2004,3:59-60
[24] 李强,李端有,滑坡位移监测动态预报时间序列分析技术研究,2005,22(6):16-19
[25] FitzGerald, Sean, Automatic time series forecasting, Scientific Computing and instrumentation, 2004, 21(2): 34
[26] Berardi, Victor L, An empirical investigation of bias and Variance in time series forecasting: Modeling Considerations and error evaluation, IEEE Transactions on Neural Networks, 2003, 14(3): 668-679
[27] 何书元编著,应用时间序列分析,北京,北京大学出版社,2003
[28] 林勋,建筑物变形监测的综合研究,长春工程学院学报,2005,6(2):45-48
[29] 钟正雄,杨林德等,基坑变形的实时建模预报时序分析方法,工业建筑,2000,30(3):1-3
[30] 徐浩峰,应宏伟等,时间序列分析方法预报基坑支撑轴力,水利学报,2004,1:105-109
[31] 田鹏,杨松林等,基于小波消噪的时序分析改进法在GPS变形监测中的应用,测绘科 学,2005,30(6):55-56
[32] 田胜利,周拥军等,基于小波分解的建筑物变形监测数据处理,岩石力学与工程学报,2004,23(15):2639-2642
[33] 秦前清,杨宗凯编著,实用小波分析,西安,西安电子科技大学出版社,1994
[34] 李世雄,刘家琦编著,小波变换和反演数学基础,北京,地质出版社,1994
[35] 徐佩霞,孙功宪编著,小波分析与应用实例,合肥,中国科学技术大学出版社,1996
[36] 曾宪明,林润德,易平编著,基坑与边坡事故警示录,北京:中国建筑工业出版社,1999
[37] 王吉望,今日深基坑工程,施工技术,1999,28(1):4-8
[38] 刘俊岩编著,深基坑工程,北京:中国建筑工业出版社,2001
[39] 秦四清等编著,深基坑工程优化设计,北京:地震出版社,1998
[40] 夏才初,潘国荣等编著,土木工程监测技术,北京,中国建筑工业出版社,2001
[41] 成伟,陈建兵,高层建筑物沉降监测数据综合分析的几种方法,地矿测绘,2004,20(1):1-3
[42] 汪树玉,刘国华等,观测数据分析中几种方法的探讨,水电自动化与大坝监测,2003,27(2):43-46
[43] 成伟,陈建兵,高层建筑物沉降监测数据综合分析的几种方法,地矿测绘,2004,20(1):1-3
[44] 王立新,岩土工程监测数据统计分析方法应用技术,公路运输文摘,2004,7:51-52
[45] 张正禄,张松林等,大坝安全监测、分析与预报的发展综述,大坝与安全,2002,5:13-16
[46] 贺可强,王胜利,神经网络法在深基坑变形实时预报中的应用研究,建筑技术开发,2002,29(7):28-30
[47] 张庆华,陈爱云,神经网络在深基坑监测中的应用,安全与环境工程,2004,11(2):55-58
[48] 方兴,小波分析及其去噪性能研究,浙江师范大学学报,2003,26(4):345-349
[49] 夏乐天,朱永忠编著,工程随机过程,南京,河海大学出版社,2000
[50] 陈继光,李光东等,大坝变形数据处理中的离散小波分析方法,水电能源科学,2003,21(4):11-13
[51] Gao, J.;Chen, F.;Shi, D., on the construction of support wavelet network, Conference Proceedings—IEEE International Conference on systems, Man and Cybernetics, 2004, 4: 3204-3207
[52] 刘大杰,陶本藻编著,实用测量数据处理方法,北京,测绘出版社,2000
[53] 杨福生编著,小波变换的工程分析与应用,北京,科学出版社,1999
[54] 李元编著,时间序列中变点的小波分析及非线性小波估计(经济与统计博士文库),北京,中国统计出版社,2002
[55] [美]Albert Boggess & Francis J.Narcowich著,芮国胜 康健等译,小波与傅里叶分析基础,北京,电子工业出版社,2004
[56] [法]Stephane Mallat著,杨力华,戴道清,黄文良,湛秋辉译,信号处理的小波导引,北京,机械工业出版社
[57] 李世雄编,小波变换及其应用,北京,高等教育出版社,1997
[58] 张树京,齐立心编著,时间序列分析简明教程,北京,清华大学出版社,北方交通大学出版社,2003
[59] 高玉堂编,环境监测常用统计方法,北京,原子能出版社,1981
[60] 飞思科技产品研发中心编著,小波分析理论与MATLAB7实现,北京,电子工业出版社,2005
[61] [美]Martin T.Hagan,Howard B.Demuth,Mark H.Beale著,戴葵等译,神经网络设计,北京,机械工业出版社,2002
[62] 阮沈勇,王永利,桑群芳编,Matlab程序设计,北京,电子工业出版社,2004
[63] Lin, J.;Zuo, M.J., Gearbox fault diagnosis using adaptive Wavelet filter, Mechanical Systems and Signal Processing, 2003, 17 (6): 1259-1269
[64] Huang, Ding-wei, wavelet analysis in a traffic model, Statistical Mechanics and its Applications, 2003, 329 (1): 298-308
[65] Zhao, Yan-Ming;Quan, Zi-Yi, Efficient wavelet-Wiener denoising algorithm, Journal of Beijing University of Posts and Telecommunications, 2004, 27 (4): 41-45
[66] 秦江红,袁宝远,排桩冻结法深基坑内支撑轴力变化规律研究,江苏建筑,2005,2:43-45
[67] 熊孝波,孙钧,润扬大桥南汉北锚碇深基坑开挖工程实践,岩土工程学报,2003,25(2):157-162
[68] 方庆红,路金林等,BP神经网络在胶料性能预测中的应用,橡胶工业,2005,52(4):205-209
[69] 孙建业,王辉,BP神经算法的改进,系统工程与电子技术,1994,6:41-46
[70] 沈燕娜,王艳丽,基于BP神经网络处理测斜实验数据的方,石油仪器,2005,19(1):31-34
[71] 吴起,蒋军成,基于BP神经网络技术的实验数据分析处理,中国安全科学学报,2006,16(1):39-43
[72] 陈国金,张云电,基于小波分析ARMA模型的气体压力识别,振动工程学报,2002,15(4):484-487
[73] 田胜利,周拥军等,利用小波去噪方法处理建筑物变形监测数据,工程勘察,2003,4:51-53
[74] 夏军,齐欢等,基于小波分析的滑坡数据处理系统,宁夏大学学报(自然科学版),2002,23(3):207-209
[75] 刘宏,何兰芳等,小波分析在MT去噪处理中的适定性,石油地球物理勘探,2004,39(3):338-341
[76] 康玲,万葳等,基于小波分析的水位流量关系曲线求解方法,华中科技大学学报,2003,31(10):30-31
[77] 石双忠,基于小波技术的时序分析法用于GPS监测数据处理的研究,河海大学硕士论文,2004
[78] 黄丁发,陈永奇等,GPS高层建筑物常荷载振动测试的小波分析,振动与冲击,2001,20(1):12-15
[79] 黄声亨,刘经南等,小波分析在高层建筑动态监测中的应用,测绘学报,2003,32(2):153-157
[80] 陈艳国,袁宝远等,BP网络自动搜索法结构寻优及其在基坑监测中的应用,水利水电科技进展,2005,25(增刊):30-33
[81] 田胜利,徐东强等,大坝水平位移监测数据的小波变换去噪处理,2004,28(1):49-52
[82] 蒋廷臣,王秀萍,基于小波变换的变形监测分析研究,淮海工学院学报,2005,14(1):75-77
[83] 朱习军,戴月明等,基于小波分解的GPS监测数据消噪处理,山东科技大学学报,2005, 24(2):17-19
[84] 张勤,蒋廷臣等,小波变换在变形监测中的应用研究,测绘工程,2005,14(1):8-10
[85] Povinelli, Richard J, Data Mining of multiple nonstationary time series, Intelligent Engineering Systems Through Artificial Neural Networks, 1999, 9:511-516
[86] Ren, xiaolin;Hu, Guangrui;Xu, Xiong, Parameter estimation and filtering for chaotic time series by steepest descent, Shanghai Jiaotong daxue Xuebao, 1999, 33(1): 22-24
[87] Bianchini, G.;Genesio, R.;Nitti, M., Reduced structure for nonlinear modeling of time series, International Conference On control of Oscillations and chaos, 2000, 2:384-387
[88] Zhao, Xuezhi;Chen, Tonglian;Ye, Bangyan;Peng, Yonghong, Adaptive selection of wavelet based on parametric equation,Chinese Journal of Mechanical Engineering, 2004, 40(11): 123-128
[89] 陆卫国,王继献等,润扬大桥南锚碇冻结工程信息化施工与管理,2003,11:111-112
[90] 赵燕容,袁宝远等,排桩冻结法深基坑支撑轴力时间序列动态预测,水利水电科技进展,2005,25(增刊):112-115
[91] 袁宝远,赵燕容,排桩冻结法深基坑施工监测与反馈分析,工程地质学报,2005,13(4):533-537
[2] 沈保汉,深基坑工程技术讲座(21),建筑技术开发,2000,27(2):50-52
[3] 赵友合,建筑深基坑工程监测技术设计要点,煤炭工程,2004,1:37-40
[4] 石立国,深基坑监测系统的设计与实施,地基基础工程,2000,10(2):31-36
[5] 熊顺成,蔡美峰,地下工程监控时间序列分析方法及应用,北京科技大学学报,1995,17(1):1-4
[6] 张玉祥,岩土工程时间序列预报问题初探,岩石力学与工程学报,1998,17(5):552-558
[7] 蒋国盛,李红民,管典志,李汉旭编著,基坑工程,武汉:中国地质大学出版社,2000
[8] 赵锡宏,陈志明,胡中雄等编著,高层建筑深基坑围护工程实践与分析,上海:同济大学出版社,1996
[9] 张潇,刘祖强等,高层建筑物(群)深基坑工程变形监测与信息化施工,地理空间信息,2004,2(3):34-36
[10] 王永华,殷世华主编,岩土工程安全监测手册,北京,中国水利水电出版社,1999
[11] 王建宇编著,隧道工程监测和信息化设计原理,北京,中国铁道出版社,1990
[12] 赵志仁著,大坝安全监测的原理与应用,天津,天津科学技术出版社,1992
[13] 吴中如主编,三峡水工建筑物安全监测与反馈设计,北京,中国水利水电出版社,1999
[14] 杨子胜,杨毅辉等,深基坑工程发展初探,科技情报开发与经济,2004,14(5):118-119
[15] 史佩栋,国内外高层建筑深基础工程技术状况,铁道建筑技术,1995,1:22-24
[16] 陈宗平,邱友良,基坑工程安全控制浅析,煤炭工程,2004,5:121-122
[17] 吴泳川,陈琦,深基坑工程中现场监测的回顾与展望,天津城市建设学院学报,2001,7(2):88-90
[18] 董明钢,杨峰,我国深基坑工程的现状和亟待解决的问题,建筑技术,2004,35(5):328-331
[19] 王赞丰,基坑安全监测技术研究,山西建筑,2005,31(22):100-101
[20] 杨林德,钟才根等,基坑支护位移和安全性监测的动态预报,土木工程学报,1999,32(2):9-13
[21] 戴凤微,吴伟,基坑支护工程监测问题的探讨,浙江水利科技,2004,5:33-36
[22] 朱永全等,时间序列分析在隧道施工监测中的应用,岩石力学与工程学报,1996,15:353-359
[23] 石双忠等,时序分析在变形监测数据处理中的应用,工程勘察,2004,3:59-60
[24] 李强,李端有,滑坡位移监测动态预报时间序列分析技术研究,2005,22(6):16-19
[25] FitzGerald, Sean, Automatic time series forecasting, Scientific Computing and instrumentation, 2004, 21(2): 34
[26] Berardi, Victor L, An empirical investigation of bias and Variance in time series forecasting: Modeling Considerations and error evaluation, IEEE Transactions on Neural Networks, 2003, 14(3): 668-679
[27] 何书元编著,应用时间序列分析,北京,北京大学出版社,2003
[28] 林勋,建筑物变形监测的综合研究,长春工程学院学报,2005,6(2):45-48
[29] 钟正雄,杨林德等,基坑变形的实时建模预报时序分析方法,工业建筑,2000,30(3):1-3
[30] 徐浩峰,应宏伟等,时间序列分析方法预报基坑支撑轴力,水利学报,2004,1:105-109
[31] 田鹏,杨松林等,基于小波消噪的时序分析改进法在GPS变形监测中的应用,测绘科 学,2005,30(6):55-56
[32] 田胜利,周拥军等,基于小波分解的建筑物变形监测数据处理,岩石力学与工程学报,2004,23(15):2639-2642
[33] 秦前清,杨宗凯编著,实用小波分析,西安,西安电子科技大学出版社,1994
[34] 李世雄,刘家琦编著,小波变换和反演数学基础,北京,地质出版社,1994
[35] 徐佩霞,孙功宪编著,小波分析与应用实例,合肥,中国科学技术大学出版社,1996
[36] 曾宪明,林润德,易平编著,基坑与边坡事故警示录,北京:中国建筑工业出版社,1999
[37] 王吉望,今日深基坑工程,施工技术,1999,28(1):4-8
[38] 刘俊岩编著,深基坑工程,北京:中国建筑工业出版社,2001
[39] 秦四清等编著,深基坑工程优化设计,北京:地震出版社,1998
[40] 夏才初,潘国荣等编著,土木工程监测技术,北京,中国建筑工业出版社,2001
[41] 成伟,陈建兵,高层建筑物沉降监测数据综合分析的几种方法,地矿测绘,2004,20(1):1-3
[42] 汪树玉,刘国华等,观测数据分析中几种方法的探讨,水电自动化与大坝监测,2003,27(2):43-46
[43] 成伟,陈建兵,高层建筑物沉降监测数据综合分析的几种方法,地矿测绘,2004,20(1):1-3
[44] 王立新,岩土工程监测数据统计分析方法应用技术,公路运输文摘,2004,7:51-52
[45] 张正禄,张松林等,大坝安全监测、分析与预报的发展综述,大坝与安全,2002,5:13-16
[46] 贺可强,王胜利,神经网络法在深基坑变形实时预报中的应用研究,建筑技术开发,2002,29(7):28-30
[47] 张庆华,陈爱云,神经网络在深基坑监测中的应用,安全与环境工程,2004,11(2):55-58
[48] 方兴,小波分析及其去噪性能研究,浙江师范大学学报,2003,26(4):345-349
[49] 夏乐天,朱永忠编著,工程随机过程,南京,河海大学出版社,2000
[50] 陈继光,李光东等,大坝变形数据处理中的离散小波分析方法,水电能源科学,2003,21(4):11-13
[51] Gao, J.;Chen, F.;Shi, D., on the construction of support wavelet network, Conference Proceedings—IEEE International Conference on systems, Man and Cybernetics, 2004, 4: 3204-3207
[52] 刘大杰,陶本藻编著,实用测量数据处理方法,北京,测绘出版社,2000
[53] 杨福生编著,小波变换的工程分析与应用,北京,科学出版社,1999
[54] 李元编著,时间序列中变点的小波分析及非线性小波估计(经济与统计博士文库),北京,中国统计出版社,2002
[55] [美]Albert Boggess & Francis J.Narcowich著,芮国胜 康健等译,小波与傅里叶分析基础,北京,电子工业出版社,2004
[56] [法]Stephane Mallat著,杨力华,戴道清,黄文良,湛秋辉译,信号处理的小波导引,北京,机械工业出版社
[57] 李世雄编,小波变换及其应用,北京,高等教育出版社,1997
[58] 张树京,齐立心编著,时间序列分析简明教程,北京,清华大学出版社,北方交通大学出版社,2003
[59] 高玉堂编,环境监测常用统计方法,北京,原子能出版社,1981
[60] 飞思科技产品研发中心编著,小波分析理论与MATLAB7实现,北京,电子工业出版社,2005
[61] [美]Martin T.Hagan,Howard B.Demuth,Mark H.Beale著,戴葵等译,神经网络设计,北京,机械工业出版社,2002
[62] 阮沈勇,王永利,桑群芳编,Matlab程序设计,北京,电子工业出版社,2004
[63] Lin, J.;Zuo, M.J., Gearbox fault diagnosis using adaptive Wavelet filter, Mechanical Systems and Signal Processing, 2003, 17 (6): 1259-1269
[64] Huang, Ding-wei, wavelet analysis in a traffic model, Statistical Mechanics and its Applications, 2003, 329 (1): 298-308
[65] Zhao, Yan-Ming;Quan, Zi-Yi, Efficient wavelet-Wiener denoising algorithm, Journal of Beijing University of Posts and Telecommunications, 2004, 27 (4): 41-45
[66] 秦江红,袁宝远,排桩冻结法深基坑内支撑轴力变化规律研究,江苏建筑,2005,2:43-45
[67] 熊孝波,孙钧,润扬大桥南汉北锚碇深基坑开挖工程实践,岩土工程学报,2003,25(2):157-162
[68] 方庆红,路金林等,BP神经网络在胶料性能预测中的应用,橡胶工业,2005,52(4):205-209
[69] 孙建业,王辉,BP神经算法的改进,系统工程与电子技术,1994,6:41-46
[70] 沈燕娜,王艳丽,基于BP神经网络处理测斜实验数据的方,石油仪器,2005,19(1):31-34
[71] 吴起,蒋军成,基于BP神经网络技术的实验数据分析处理,中国安全科学学报,2006,16(1):39-43
[72] 陈国金,张云电,基于小波分析ARMA模型的气体压力识别,振动工程学报,2002,15(4):484-487
[73] 田胜利,周拥军等,利用小波去噪方法处理建筑物变形监测数据,工程勘察,2003,4:51-53
[74] 夏军,齐欢等,基于小波分析的滑坡数据处理系统,宁夏大学学报(自然科学版),2002,23(3):207-209
[75] 刘宏,何兰芳等,小波分析在MT去噪处理中的适定性,石油地球物理勘探,2004,39(3):338-341
[76] 康玲,万葳等,基于小波分析的水位流量关系曲线求解方法,华中科技大学学报,2003,31(10):30-31
[77] 石双忠,基于小波技术的时序分析法用于GPS监测数据处理的研究,河海大学硕士论文,2004
[78] 黄丁发,陈永奇等,GPS高层建筑物常荷载振动测试的小波分析,振动与冲击,2001,20(1):12-15
[79] 黄声亨,刘经南等,小波分析在高层建筑动态监测中的应用,测绘学报,2003,32(2):153-157
[80] 陈艳国,袁宝远等,BP网络自动搜索法结构寻优及其在基坑监测中的应用,水利水电科技进展,2005,25(增刊):30-33
[81] 田胜利,徐东强等,大坝水平位移监测数据的小波变换去噪处理,2004,28(1):49-52
[82] 蒋廷臣,王秀萍,基于小波变换的变形监测分析研究,淮海工学院学报,2005,14(1):75-77
[83] 朱习军,戴月明等,基于小波分解的GPS监测数据消噪处理,山东科技大学学报,2005, 24(2):17-19
[84] 张勤,蒋廷臣等,小波变换在变形监测中的应用研究,测绘工程,2005,14(1):8-10
[85] Povinelli, Richard J, Data Mining of multiple nonstationary time series, Intelligent Engineering Systems Through Artificial Neural Networks, 1999, 9:511-516
[86] Ren, xiaolin;Hu, Guangrui;Xu, Xiong, Parameter estimation and filtering for chaotic time series by steepest descent, Shanghai Jiaotong daxue Xuebao, 1999, 33(1): 22-24
[87] Bianchini, G.;Genesio, R.;Nitti, M., Reduced structure for nonlinear modeling of time series, International Conference On control of Oscillations and chaos, 2000, 2:384-387
[88] Zhao, Xuezhi;Chen, Tonglian;Ye, Bangyan;Peng, Yonghong, Adaptive selection of wavelet based on parametric equation,Chinese Journal of Mechanical Engineering, 2004, 40(11): 123-128
[89] 陆卫国,王继献等,润扬大桥南锚碇冻结工程信息化施工与管理,2003,11:111-112
[90] 赵燕容,袁宝远等,排桩冻结法深基坑支撑轴力时间序列动态预测,水利水电科技进展,2005,25(增刊):112-115
[91] 袁宝远,赵燕容,排桩冻结法深基坑施工监测与反馈分析,工程地质学报,2005,13(4):533-537