Hybrid Wavelet and Principal Component Analyses Approach for Extracting Dynamic Motion Characteristics from Displacement Series Derived from Multipath-Affected High-Rate GNSS Observations
Notice bibliographique
Résumé
Nowadays, the high rate GNSS (Global Navigation Satellite Systems) positioning methods are widely used as a complementary tool to other geotechnical sensors, such as accelerometers, seismometers, and inertial measurement units (IMU), to evaluate dynamic displacement responses of engineering structures. However, the most common problem in structural health monitoring (SHM) using GNSS is the presence of surrounding structures that cause multipath errors in GNSS observations. Skyscrapers and high-rise buildings in metropolitan cities are generally close to each other, and long-span bridges have towers, main cable, and suspender cables. Therefore, multipath error in GNSS observations, which is typically added to the measurement noise, is inevitable while monitoring such flexible engineering structures. Unlike other errors like atmospheric errors, which are mostly reduced or modeled out, multipath errors are the largest remaining unmanaged error sources. The high noise levels of high-rate GNSS solutions limit their structural monitoring application for detecting load-induced semi-static and dynamic displacements. This study investigates the estimation of accurate dynamic characteristics (frequency and amplitude) of structural or seismic motions derived from multipath-affected high-rate GNSS observations. To this end, a novel hybrid model using both wavelet-based multiscale principal component analysis (MSPCA) and wavelet transform (MSPCAW) is designed to extract the amplitude and frequency of both GNSS relative- and PPP- (Precise Point Positioning) derived displacement motions. To evaluate the method, a shaking table with a GNSS receiver attached to it, collecting 10 Hz data, was set up close to a building. The table was used to generate various amplitudes and frequencies of harmonic motions. In addition, 50-Hz linear variable differential transformer (LVDT) observations were collected to verify the MSMPCAW model by comparing their results. The results showed that the MSPCAW could be efficiently used to extract the dynamic characteristics of noisy dynamic movements under seismic loads. Furthermore, the dynamic behavior of seismic motions can be extracted accurately using GNSS-PPP, and its dominant frequency equals that extracted by LVDT and relative GNSS positioning method. Its accuracy in determining the amplitude approaches 91.5% relative to the LVDT observations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».