杨 莹

（辽宁水利职业学院 辽宁 沈阳 110000）

1 引言

露天矿开采日积月累，开采深度、采动面积均随之加大，从而使得边坡的暴露高度也越来越大，受此影响周围建筑物会出现沉降以及变形。因此，对露天矿开展周期性沉降监测工作是必要的，再利用监测所得数据对边坡及其周边建筑物的未来沉降走向趋势进行预测分析从而达到预警目的。本文利用小波分析对沉降观测数据（信号）进行去噪，从而方便的数据进行预测分析。

2 小波去噪原理

含有噪声的一维信号可以表示成如下的形式：

其中ƒ（i）为真实信号，μ（i）为高斯白噪声，s（i）为含噪声的信号。对信号s（i）进行去噪的目的就是要抑制信号中的噪声部分，从而在s（i）中恢复出真实信号ƒ（i）。在实际工程中，有用信号通常表现为低频信号或是一些比较平稳的信号，而噪声信号则通常表现为高频信号。一般来说，一维信号的去噪算法可以分为三个步骤进行：（1）对信号进行小波分解；（2）小波分解高频系数的阈值量化；（3）对信号进行重构[1]。

3 实例分析

本文采用某露天矿监测数据为实验数据，该露天矿从1901年开采至今，形成了总体积约17亿m3的亚洲第一大坑，由南向北宽约2千米，由东向西宽约6.6千米，深度大约420米，坑底部高程达到-350米。露天矿沉降变形对矿区、周围厂区及设施造成了严重的破坏，而坐落于该露天矿北帮边坡上的某发电有限责任公司沉降尤为严重，该公司为了监测露天矿的沉降，起到预报预警的作用，1997年5月始，在单位内部布设了三等水准监测控制网，其中共82个变形水准点，至今已得到了一系列的监测数据。本文以其中沉降量较大的11#点为实验数据，数据如表1所示，其数据可视为原始信号。

表1 11#监测点沉降监测数据

实际测量时，很多原因可能导致观测数据带有误差，即存在噪声，如果用这些带有误差的原始数据进行建模，可能会导致数据预测的精度低。根据小波去噪理论，对原始数据（信号）进行去噪，选择Db4小波进行三层分析，选择heursure启发式阈值。去噪前后数据如表2所示。

表2 11#点原始和去噪后数据

图1 去噪前后11#点沉降量趋势曲线图

去噪前后图形对比如图1，使用Db4去噪后的信号已经趋于平滑，有效的去除了数据中的误差，达到了去噪的目的。

4 结语

本文使用Db4小波函数基于小波分析去噪，进行小波变换去除变形某露天矿边坡沉降监测数据的噪声，并对去噪后的部分数据进行预测。首先利用小波变换去噪，使观测数据变的平滑，达到了剔除观测数据误差的目的，为能精确地对沉降数据作出合理的分析与预测打下了基础。