论文部分内容阅读
资源、环境和灾害是21世纪人类社会可持续发展面临的三大难题。人类对灾害的防治给予了极大的重视和关注。变形监测是国内外大地测量和防灾减灾领域一个十分关注的边缘前沿课题。而变形预测是对变形体的变形处理作决策、规划之前必不可少的重要环节，是科学决策、规划的重要前提，是变形监测的重要内容，是重要前沿研究课题。
小波分析、Kalman滤波、神经网络是变形数据处理重要方法，本文是在对它们研究的基础上，分析了变形预测模型从单一方法或模型向多种理论和方法的有机结合或综合模型发展的趋势，围绕小波、Kalman滤波、神经网络的有机结合和综合模型展开的。论文对以下几个方面进行了深入研究：
(1)‘综述了各种小波、神经网络结合模型，建立了小波神经网络综合变形预测模型，该模型比单一的神经网络模型计算速度快，精度与神经网络变形预测模型相当。探讨了基于小波分析的Kalman滤波变形预测模型，该模型在一定程度上减弱了测量误差的影响。
(2)多小波神经网络综合变形预测模型：研究了多小波的性质，提出了几种多小波与神经网络的结合和综合变形预测模型，并用实例证明了多小波神经网络综合变形预测模型具有较高的速度和精度，是一种较好的预测方法。
(3)基于EKF(扩展Kalman滤波)的神经网络综合变形预测模型：在分析了Kalman滤波的基础上，探讨应用于非线性系统的扩展Kalman滤波。对扩展Kalman滤波与神经网络的结合方式进行了研究，应用扩展Kalman滤波的迭代来训练神经网络建立了基于EKF的神经网络综合变形预测模型，在应用中证明能提高变形预测的速度和精度。
(4)基于EKF的小波神经网络综合变形预测模型：在上述研究的基础上对扩展Kalman滤波、小波、神经网络三者的结合方式进行了研究，建立了精度和速度都较优的基于EKF的小波神经网络综合变形预测模型。
(5)基于EKF的多小波神经网络综合变形预测模型：在参照基于EKF的小波神经网络变形预测模型研究的基础上，针对多小波有多个小波和尺度函数的特殊性，研究了扩展Kalman滤波、多小波、神经网络三者的结合方式，提出了基于EKF的多小波神经网络综合变形预测模型，实验证明预测效果十分理想。最后，给出了预测方法选择准则，对本文提到的变形预测模型进行了评价，为变形预测方法的选择提供了有价值的参考。