罗亦泳

东华理工大学测绘工程学院，江西 南昌 330013

建筑物、大型工程结构、边坡等受到内在与外在的复杂因素影响下，产生不同程度的变形。通过变形监测及变形数据分析，可及时、准确地掌握形变过程信息。变形特征提取与分析是变形数据处理的核心内容之一，是建筑物与工程结构精确健康监测、预报预警的关键，是变形灾害防治的重要理论与实践基础。由于变形体变形过程及变形数据采集过程中受到多种不确定性环境因素与人为因素的影响，变形数据具有显著的非线性、非平稳、高噪声和多尺度等特点，导致传统的变形数据分析方法存在诸多不足之处。基于以上问题，论文引入变分模态分解算法(variational mode decomposition,VMD)及相关向量机算法(relevance vector machine,RVM)，构建变形特征提取与智能分析的新方法，挖掘隐含的变形特征，提高变形数据分析的精度及可靠性。主要研究内容如下：

(1)详细分析了VMD、RVM算法的基本理论，并测试了VMD算法在时频分析及特征提取方面的优越性，验证了RVM算法在建模精度、抗噪声干扰、算法计算效率方面的优势。针对变形数据去噪及特征提取的特点，建立了VMD的K值确定策略，提高了VMD算法特征提取及去噪能力。建立了组合核函数RVM(MK-RVM)及其参数优化方法，通过与多种算法进行比较分析，证实了改进方法的可行性，能有效提高RVM的建模精度。

(2)基于VMD算法建立了变形数据随机噪声去噪和GNSS变形数据多路径误差改正新方法。对VMD算法进行改进，提出来了变形数据中随机噪声的去噪方法。……