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。通过对模拟数据及工程数据进行去噪试验，证实新方法具有出色的去噪效果。将VMD与小波相干算法的优点结合，建立了GNSS多路径误差提取及改正新方法。试验表明，该方法能有效减弱低频变形信息的干扰，能较好地提取及改正GNSS变形数据中的多路径误差。

(3)基于VMD建立了变形特征提取的方法。论文重点对桥梁、大坝与工程结构的变形特征提取方法进行研究，建立了变形体的动态特性参数、具有物理意义的变形分量、工程结构模态特征参数的提取方法。分析了正则化的固有频率变化率与损伤位置之间的关系。从系统能量分布及系统有序性角度定义了VMD能量谱及VMD熵，能较好地描述结构损伤状态的变化。以上变形特征，是建筑物、工程结构健康监测、预警预报的核心指标。

(4)利用RVM算法建立了地面沉降及大坝变形预测新模型。基于改进RVM算法构建了地面沉降几何参数预测及动态沉降位移预测模型，并弥补了当前变形预测方法较少开展结果可靠性分析的不足，增加了预测结果的实用性。针对各变形分量的特征，基于RVM建立了多尺度大坝变形预测新模型。由于该模型的建模过程具有物理意义，有利于大坝变形的机理解释。通过工程实例分析，验证了以上变形预测新模型在预测精度及可靠性方面的优势。

(5)构建了基于RVM的变形体损伤状态预测及稳定状态估计的方法。基于正则化固有频率变化率、固有频率变化率、VMD能量谱等变形特征参数，主要建立了工程结构损伤位置及程度预测模型，并利用测试数据验证了方法的可靠性。基于RVM分类算法和多输出RVM(MRVM)算法建立了边坡稳定状态及几何形变的预测新方法，通过与多种方法进行对比，验证了新方法在精度和计算效率方面的优势。