将混凝 土坝的应 力监测数 据视为一组含有 不同频率信号 的时间序列 ，针对 信号中的低频信号 和高频 信号 ， 采用 提升小波的多尺度分解法提取 混凝 土坝应力的时效分量 、水压和温度分量 以及 噪声分 量 ，采用计算信 噪比极 大 值 的方法提取周期性分量 中的水压 、温度分量和噪声分量 ，得到最优 的去 噪效果。使用 RBF神经 网络对去噪信号进 行 建模 ，预测结果表 明 ，该模 型能够很好地反映混凝土坝应力变化的趋势 和规律 ，可应用于混凝土坝安全监测 中。 关键词 ：提 升小波多尺度分解法 ；RBF神经 网络 ；应力监测 ；混凝土重力坝 ApplicationofLiftingW aveletM ulti-scaleDecomposition M ethodand RBF NeuralNetwork inStressM onitoringofConcreteGravityDam ZHAO Kunpeng，ZHAO Erfeng，W ANG Ying。，ZHANG Yi (1．StateKeyLaboratoryofHydrology—WaterResourcesandHydraulicEngineering，HohaiUniversity，Nanjing210098， Jiangsu，China；2．HydraulicEngineeringDepartment，NanjingHydraulicResearchInstitute，Nanjing210029，Jiangsu，China； 3．YellowRiverUpstreamHydropowerDevelopmentLtd．Ltd．，Xining810008，Qinghai，China) Abstract The observation dataofconcrete dam stressisregarded asasetoftimeserieswhich containsdifferentfrequency signals．Aimingatthesignal withhighfrequencyorlow frequency，anew methodofliftingwaveletmulti—scaledecompositionis proposed to extractthe time dependentcomponent，the waterpressure and temperature componentas well as the noise componentfrom theobservationdate ofdam stress，and then the method ofcalculatingmaximum SNR isused toextractthe componentsofwaterpressureand temperatureand noisecomponentfrom cyclicalcomponent，whichcangetthemostoptimal denoisingeffect．The RBF neuralnetwork isfinallyused to modelthedenoising signalsforstressprediction．Theprediction resultsshow thatthemodelcanwellreflectthetrendsandpatternsofstresschangesofconcretedam． KeyW ords：liftingwaveletmulti-scaledecomposition；RBF NeuralNetwork；stressmonitoring；concretegravitydam

因本站资料资源较多，启用了多个文件服务器，如果浏览器下载较慢，请调用迅雷下载，特别是超过了5M以上的文件！请一定调用迅雷，有时候速度就会飞起哦，如果您的浏览器自动加载了PDF预览，文件太大又卡死，请按下载说明里的把PDF插件关闭了就可以直接下载，不会再预览了！