GNSS 监测数据预处理在变形预测中的应用

GNSS监测技术被广泛应用于变形监测工作中,但GNSS监测数据中会有缺失值、噪声等误差的存在,对预测结果造成影响。引入改进的小波神经网络模型进行变形预测,并考虑该模型的自适应性和容错性,分别采用三次样条插值法、小波滤波法和拉依达准则对原始监测数据进行缺失值填补、去噪和粗差剔除等预处理。并利用实际监测数据进行短期预报分析,对比原始监测数据和预处理后的监测数据的预测结果,结果表明预处理后的监测数据的预测效果更好。     

基于GNSS的边坡自动化监测系统应用研究

边坡工程对安全性要求极高,对其进行变形监测是保证边坡安全运行的重要措施.GNSS技术具有数据实时采集、实时分析、可全天候观测、易于实现全系统的自动化等优势.以GNSS技术为基础,将其与计算机技术、数据远程传输技术相结合构建边坡自动化监测系统,并将其运用到边坡结构安全监测中.结果表明该技术在边坡监测中具有较好的应用效果,...     

基于测量机器人的边坡安全在线监测系统设计研究

以SOKKIA NET05AXⅡ测量机器人为基础平台,结合边坡监测实际需求,以“工作基点后方边角交会+监测点极坐标测量”原理为基础,设计开发边坡安全在线监测系统,对系统的整体框架、拓扑结构以及业务流程进行详细设计,以期解决边坡监测过程中数据时效性较差、恶劣天气下无法监测等问题;并对极坐标测量原理及误差来源进行分析研究,得出误差来源主要包括测量机器人测角和测距误差、测量机器人与监测点之间的斜距和竖直角,然后通过某边坡监测项目对在线监测系统的稳定性及成果准确性进行综合验证,采用人工监测方法对自动化监测数据进行复核,结果表明：系统监测数据与人工复核成果基本一致,满足规范和边坡安全监测需求。     

顾及缺失值的因果图时空预测网络

时空预测是地理时空大数据挖掘的基础研究命题。目前,多种模型用于预测未知系统的时空状态。然而,存在的大多数预测模型仅在没有缺失数据的时空数据集上进行测试,忽略了缺失值对预测结果的影响。在真实场景中,由于传感器或网络传输故障,数据缺失是一个不容忽视的问题。鉴于此,本文提出了一种顾及缺失值的因果图卷积网络(causal graph convolutional network considering missing values, Causal-GCNM)模型用于时空预测。Causal-GCNM模型可以自动捕捉时空数据中的缺失模式,使得Causal-GCNM模型在不需要借助额外插值算法的前提下,可以直接完成时空预测任务。本文提出的模型在3种真实的时空数据集(交通流数据集、PM_2.5监测数据集及气温监测数据集)得到了验证。试验结果表明,Causal-GCNM模型在4种缺失条件(20%随机缺失、20%块状缺失、40%随机缺失及40%块状缺失)下仍然具有较好的预测性能,并在预测精度和计算效率两类指标上优于10种存在的基线方法。     

基于北斗卫星的边坡变形监测系统应用研究

为及时准确获取对边坡变形信息,本次研究采用基于北斗卫星定位的边坡自动化监测系统,对某边坡工程进行全天候自动化监测作业,并采用有限元软件Abaqus建立边坡模型,采用数值分析方法对边坡变形的敏感度区域进行分级划分,优化监测点布设位置,最好利用灰色系统分析方法对监测数据进行分析研究,分别建立边坡水平方向和竖向变形灰色GM(1,1)预测模型,并采用精度更高的水平方向预测模型对边坡变形趋势进行预测,效果较为理想,更加贴合边坡变形真值,为边坡工程的安全监测提供了可靠有效的解决方案。     

地基干涉雷达地面灾害监测数据可视化方法

针对目前对地基干涉雷达监测数据的可视化程度偏低,可视化效果涵盖信息不够丰富的现状,该文以地基干涉雷达系统的露天矿区边坡地面灾害监测为例,实现了多样化的可视化效果。该方法利用遥感影像和人工测量高程数据,丰富了可视化中的地表覆盖信息和地形起伏情况等重要信息,具有结果数据和过程数据的多样化、可视化方式。结果表明,该方法改善了单一的地基干涉雷达系统监测数据的可视化效果,充分发挥了其形变预警分析功能。     

三维激光扫描技术边坡监测研究

本文介绍了三维激光扫描技术原理,给出边坡监测数据获取与处理的技术流程:首先用基于区域的分割方法对深度图像分割,用标志点匹配法进行点云数据匹配,然后利用滤波方法对点云数据进行简化,最后利用迭代最近点法(ICP算法)进行点云拼接。以某边坡的实际监测数据为例,采用Trimble GX200三维激光扫描仪获取点云数据,RealWork Survey Advanced扫描数据处理软件获得DEM数据。结果表明,采用本文技术可获取边坡的DEM及边坡形态,为边坡变形监测与灾害预报提供基础数据。     

B/S模式的边坡监测数据分析及安全预警系统设计与实现

公路边坡工程监测项目多,且监测数据量大,传统的数据库系统难以有效地进行管理。为及时处理监测数据,充分利用其进行边坡稳定性分析,采用动态网页技术(JSP)和WebGIS技术,开发了基于Browser/Server模式的边坡监测数据分析及安全预警系统,为数据的采集、存储、处理和分析提供统一的信息化管理平台,有利于对边坡工程的安全施工进行动态指导。     

基于最优插值的土壤含水量遥感反演缺失数据插补

遥感反演土壤含水量是干旱遥感监测中必不可少的环节,但遥感传感器往往受到云雪或自身性能等因素影响而存在数据缺失。现有基于时间序列数据的滤波插补法对数据要求较高而难以推广,而空间插值方法在成块缺失区域效果较差。针对此问题,提出利用最优插值法,根据气象站点实测数据对插值点的贡献定权,进而实现缺失像元的插值与填充。选取宁夏回族自治区为实验区,应用植被条件反照率干旱指数(vegetation condition albdedo drought index,VCADI)反演多个时期的土壤含水量结果,结合分布在研究区的16个国家级气象台站观测数据,利用最优插值法对缺失数据进行插补,结果表明该方法对不同程度数据缺失都具有较好的效果。通过人工模拟具有成块缺失与不同缺失率的数据,对比反向距离加权插值、Kriging空间插值方法和本文方法的插补效果,验证了本文方法具有更高的插补精度。     

北斗与其他星座在GNSS变形监控系统中的数据对比分析

以某露天煤矿排土场边坡GNSS变形监测项目为例,在设计变形监测系统的基础上,利用华测HCMonitor变形监测系统专用软件,对监测数据采用不同卫星监测系统数据进行了组合定位,分析和对比了解算数据,探讨了北斗卫星导航系统（BDS）的应用效果并提出了合理的建议。     

改进的等维灰数递补模型预测边界确定方法

针对当前利用灰色预测模型进行地表沉降预测研究更多注重模型本身探讨而较少涉及预测值合理范围以及预测值时间响应函数的还原方法的情况,该文提出了一种改进的等维灰数递补模型预测边界的确定方法,采用了误差传播定律对预测值范围进行界定,并尝试利用中值近似处理代替累减生成建立预测值的时间响应函数;最后,结合工程实例给出了预测值上下边界,探讨了模型在误差允许范围内的预测步长,并对比分析了改进的等维灰数递补模型、原始的等维灰数递补模型和GM(1,1)模型。结果发现:改进的等维灰数递补模型具有较好的拟合效果与预测精度。     

IGS RTS钟差数据中断的实时修复方法研究

针对IGS RTS实时数据流产品在网络传输过程中普遍存在的数据中断问题,基于卫星钟差预报算法,文中提出实时"预报修复"方法,以钟差预报值实时修复发生中断历元的钟差数据.通过对RTS数据中断区间分布的统计分析,确定钟差预报的时间长度为5 min;采用改进的灰色系统模型,对不同时间长度初始数据的钟差预报结果进行对比,确定初...     

基于 MATLAB 与小波进行沉降数据处理与分析

结合小波分析的基本原理和MATLAB强大的数据处理能力与图形拟合能力,采用了小波时间序列预测模型与MATLAB中自带的拟合工具箱来进行沉降数据的拟合,并将该方法应用于黄冈市某大桥软土路基沉降监测的预测工作中。然后,对两种拟合方法进行了预测效果对比。从所得的结果表明：小波处理后的模型具有抗差干扰和粗差探测、剔除的优点,同时使用曲线拟合工具箱的拟合模型比常规模型更方便快捷且预测的效果也很高,两种模型结合使用会较大地增加其应用价值。     

基于ARMA模型的BDS卫星钟差异常值探测及其短期预报

星载原子钟在运行过程中会受到恶劣空间环境与设备老化等因素的影响,使得卫星钟差数据中经常存在异常值,其中AO(additive outlier)类异常值是钟差序列中常见的一类异常值.结合最大期望算法与自回归滑动平均(autoregressive moving average, ARMA)模型,提出一种AO类异常值探测算法...     

灰色幂模型在基坑变形监测中的应用

灰色幂模型又称非线性灰色伯努利模型(NGBM(1,1)),是灰色GM(1,1)模型的一种改进模型,具有非线性特征,在拟合和预测非线性特征数据方面具有优势.NGBM(1,1)模型相比于GM(1,1)模型具有更高的预测精度和更广的适用范围,它在经济、农业、气象等方面已有较广应用,但是在变形监测领域的应用还比较少.本文在已有...     

基于最优分解模态和GRU模型的库岸滑坡位移预测研究

在滑坡位移综合预测研究中,常因滑坡随机位移分量无法准确提取、最优训练数据集及时效性无法确定等,造成多源监测数据利用不充分、位移预测结果不稳定。鉴于此,引入变分模态分解,在滑坡位移时序分析的基础上,结合门控循环单元递归神经网络,提出一种新型滑坡位移综合预测模型。以三峡库区白水河滑坡为例,选取2003-07—2012-12的位移监测数据和同时期库水位及降雨数据进行分析研究,综合模型预测结果的均方根误差为9.715 mm,判定系数为0.967。对比实验分析表明,该模型在保证高预测精度的同时,在有效预测时长和时效性上同样优势明显,在库岸滑坡位移预测研究中具有很强的应用和推广价值。     

基于自适应 Kalman 滤波的边坡变形预测研究

研究Kalman滤波和自适应Kalman滤波算法,结合边坡监测点的运动模型将其应用于边坡变形监测动态数据变形预测。利用小湾水电站二号山梁高边坡GPS监测数据进行实验研究。结果表明,自适应Kalman滤波在边坡三维形变预测及变形速率估算方面有很好的预测结果。     

基于震荡序列的灰色预测模型在边坡沉降监测中的应用

公路边坡由于施工的影响,监测点时升时降,累计沉降量是震荡序列。本文采用三种模型对累计沉降量进行预测。结果表明GM(1,1)和DGM(1,1)预测曲线并不能反映实测值曲线走势,预测值与实测值的偏离程度较大,预测精度较低。SDGM(1,1)模型无论在与实测值曲线走势、与实测值接近程度还是在残差平方和或者平均相对误差上精度要高于其他两种模型,在P,C值上,SDGM(1,1)模型实现"级"的跳跃,是一个非常理想的预测模型。     

新陈代谢GM(1,1)模型在大坝边坡沉降监测中的应用

针对传统GM(1,1)模型存在数据序列的初始值过旧使预测意义减弱的问题,文中采用更新数据序列初始值的新陈代谢GM(1,1)模型对传统模型进行改进;以南方某大坝边坡监测点的沉降位移为例,分别使用两种模型对该监测点沉降位移进行拟合预测并与实际值进行比较。实验证明,新陈代谢GM(1,1)模型精度明显高于传统模型,更接近于真实值。