时间序列分析在变形监测数据处理中的应用

在变形监测数据处理中,为了提高预报的精度,本文引入了时间序列分析中的ARMA模型,通过工程实例对该模型的预报精度进行检测,该工程实例的变形监测数据共有30期,本文通过前25期的数据进行ARMA建模并对第26至30期的变形量进行预报,与相应的实际观测值进行对比求差。对比结果显示预报结果良好,一步预报最大残差值在1mm,时间序列分析方法在变形监测数据处理领域应用效果良好。     

基于小波变换与ARMA模型的建筑物沉降预报

对建筑物进行沉降监测并预报其变化趋势,能有效保障建筑物的安全性。本文提出一种基于小波变换的ARMA模型用于建筑物沉降预报。利用小波多尺度分析将沉降监测数据分解为高频信号和低频信号,并分别采用ARMA模型进行预测,然后将各序列预测结果进行合成,得到最终预测结果。并以青岛市某高层建筑物监测数据为例,分别采用传统ARMA模型以及基于小波变换的ARMA模型进行预报对比分析,结果表明基于小波变换的ARMA模型取得了较高的预报精度。     

基于优化残差组合的北斗卫星短期钟差预报研究

为解决传统模型因使用卫星钟差一次差分序列而导致预报精度差的问题，进一步提升预报精度，提出一种优化残差组合对卫星钟差一次差分序列进行预报的方法.该方法首先根据北斗卫星钟差序列的特点，利用四分位法(IQR)代替中位数法对一次差分序列进行预处理，然后利用自回归滑动平均模型(ARMA)将经过预处理后的卫星钟差一次差分序列分成趋势项和残差随机项，接着利用极限学习机(ELM)模型对残差部分进行建模预测，最后将ARMA模型的预测结果和ELM神经网络的残差预测结果求和后进行差分还原.结果表明：当卫星钟差呈非线性时，组合模型的预报精度比传统模型提升了38.2%，在北斗卫星钟差短期预报中具有一定的可行性.     

经验模态分解和遗传小波神经网络法用于边坡变形预测

从挖掘边坡变形特性出发,提出一种基于经验模态分解(EMD)和遗传小波神经网络(GA-WNN)法的新型边坡变形预测模型。该模型首先对边坡变形序列进行EMD分解,有效分离出不同尺度特征的子序列;其次基于相空间重构挖掘各子序列的特性,以避免预测模型输入维数选取的随意性;然后采用遗传算法优化小波神经网络的权值和阈值,进而对各子序列建立预测模型;最后叠加各子序列预测值得到边坡预测结果。经过了算例计算,并与SVM和GA-WNN对比分析。结果表明:该模型具有较强的非线性拟合和自适应能力;在一定程度上保证较优的局部预测值和较好的全局预测精度,均方根误差为0.68 mm;在边坡变形预测中具有一定的实用意义。     

利用组合模型进行大坝变形的预报

针对大坝变形监测序列的多尺度、年周期性和非平稳趋势性特征,采用最小二乘与广义回归神经网络的组合模型法进行预报,同时考虑到大坝变形与水位因子的相关性,在模型中引入水位数据进行大坝变形的预报。通过实验表明,加入水位数据的组合预报模型相比单独采用大坝变形监测数据的模型,预报精度有显著的提高。     

基于小波变换和神经网络的卫星钟差预报分析

目前IGS提供的实时钟差精度不够,事后精密钟差也有13d的延迟,有必要对钟差预报进行研究。文中利用小波神经网络模型进行钟差预报,首先利用小波对原始钟差序列进行分解、降噪,然后利用神经网络进行建模并预报,将得到的结果同灰色模型和二次多项式模型的结果进行对比分析,得出小波神经网络模型可以更好地进行钟差预报的结论。     

基于小波分析的灰色-神经网络组合模型在大坝变形预测中的应用

监测序列经小波分解后可以得到各层分量。对低频分量采用灰色GM(1,1)模型进行建模预测,对高频分量采用BP神经网络进行建模预测,最后将各分量进行小波重构,得到监测序列的预测值。将预测值分别与没有进行小波分解直接用GM(1,1)模型预测的值和经小波分解的低、高频系数都采用GM(1,1)模型预测的值进行对比,发现经小波分解的灰色-神经网络组合模型预测精度更高。     

变分模态分解与长短时神经网络的大坝变形预测

为了提高大坝变形数据的预测精度,该文提出一种变分模态分解和长短时记忆神经网络相组合的预测模型.对大坝的历史变形数据进行变分模态分解,利用长短时记忆神经网络进行预测,累加各模态分量的预测值完成重构.以江西省某蓄能水电厂2010-2014年大坝监测数据为例,设置不同的对比实验验证VMI-LSTM组合模型的有效性和稳定性.研究表明:组合模型能够有效减小单一模型的误差,VMD能够将变形序列分解为不同频带的分量,减少非线性、非平稳性对预测精度的干扰,且VMD-LSTM神经网络的预测精度要优于其他模型,对于大幅提升大坝变形的预测精度有一定的参考价值.     

基于小波神经网络的桥梁变形监测预报

小波神经网络对建筑物变形预报具有较高的模型拟合及预报精度。从小波神经网络算法原理出发,阐述了使用该方法对所获得的桥梁变形监测数据进行模型建立及预报的过程,并利用Matlab实现了编程代码。通过对某桥梁变形监测预报的应用表明,该方法具有很强的可行性和实用性,可及早为桥梁变形预警,避免或减少灾害的发生。     

基于CEEMD和LSTM方法的深基坑沉降变形预测

为了提升长短时记忆(LSTM)神经网络对深基坑沉降监测数据的预测效果，本文提出一种基于互补集合经验模态分解(CEEMD)、样本熵以及LSTM神经网络的组合基坑沉降预测模型。该组合沉降模型实现基坑沉降变形预测的关键步骤为：首先，使用CEEMD分解算法将基坑沉降序列分解为若干个本征模态函数(IMF);其次，重组相同特征的IMF分量；最后，使用LSTM神经网络预测重组后分量并叠加预测结果。使用某实测基坑数据进行实验，结果显示，本文提出组合预测模型预测结果的均方根误差、平均绝对误差以及平均绝对百分比误差较对比模型均更小，表明本文提出组合预测模型的预测精度更高，具有较好的非线性序列预测效果，为基坑沉降预测提供了一种新方法。     

Monitoring drought dynamics in the Aravalli region (India) using different indices based on ground and remote sensing data

The hard-rock hilly Aravalli terrain of Rajasthan province of India suffers with frequent drought due to poor and delayed monsoon, abnormally high summer-temperature and insufficient water resources. In the present study, detailed analysis of meteorological and hydrological data of the Aravalli region has been carried out for the years 1984–2003. Standardised Precipitation Index (SPI) has been used to quantify the precipitation deficit. Standardised Water-Level Index (SWI) has been developed to assess ground-water recharge-deficit. Vegetative drought indices like Vegetation Condition Index (VCI) and Temperature Condition Index (TCI) and Vegetation Health Index (VHI) have been computed using NDVI values obtained from Global Vegetation Index (GVI) and thermal channel data of NOAA AVHRR satellite. Detailed analyses of spatial and temporal drought dynamics during monsoon and non-monsoon seasons have been carried out through drought index maps generated in Geographic Information Systems (GIS) environment. Analysis and interpretation of these maps reveal that negative SPI anomalies not always correspond to drought. In the Aravalli region, aquifer-stress shifts its position time to time, and in certain pockets it is more frequent. In comparison to hydrological stress, vegetative stress in the Aravalli region is found to be slower to begin but quicker to withdraw.     

使用FME与VBA提取机场方格网高程数据

因受机场工程设计软件的测量数据容量限制,基于LiDAR采集、点云分类后得到的地面点云数据LAS不能完整应用于目前设计软件进行设计计算。本文通过对拟选技术方案的筛选,提出了利用FME Workbench数据处理功能,结合VBA编程获取外部方格网平面数据的方法。该方法在FME Workbench中实现了地面点云数据构建TIN、采用逐点内插方法从TIN中提取方格网高程数据、等高线生成及相应图形处理与成果输出。最终通过实际算例证明了该方法的有效性。     

Gravity Changes Before Large Earthquakes in China: 1998-2005

Although it is well known that coseismic gravity changes take place during an earthquake, previous research has not yielded convincing evidence demonstrating that significant gravity changes occur before large earthquakes. Furthermore, even if we suspect that gravity changes occur before large earthquakes, we have yet to demonstrate how to consistently observe these changes for useful earthquake forecast that would bring benefits to society. We analyzed ground gravity survey data obtained in 1998, 2000, 200...     

自动车辆定位导航系统中传感器的误差分析

对国界定位导航系统中几种常见的辅助传感器所产生的误差进行了分析，导出了不同传感器的误差模型。这些误差模型是估计车辆位置的扩展卡尔曼滤波器的基础，同时也为选择适当的传感器提供了理论根据。     

地理数据库的关系模型及其实现

本文从以图论观点分析地理实体入手,系统阐述了地理数据库关系模型的设计法和过程。作者于1984年4～9月间在微型机上设计建立了关系型地理数据库的实方验系统(RGDB)。该系统采用了本文提出的关系模型,采用了可动态扩库的子库组合结构,这种结构具有灵活性和提高空间利用率的优点。RGDB含有多种功能的数据操作命令,除了具有一般检索功能外,还能进行“开窗”选取和十分“自由”的映象选取。本文对RGDB系统的主要性能和实现途径作了扼要介绍。     

基于WebGL的三维智慧管网系统的设计与实现

随着城市面貌日新月异,地下管网的建设也在持续推进,作为城市的地下“神经网络”,全天24 h保障城市的正常运转和发展。本文以实现城市管网管理系统的高可用、无插件、智能化为目标,采用“地上地下一体”“二三维一体”的设计理念,研究基于WebGL的三维智慧管网系统的关键技术,实现了管线设施管理的信息数字化、空间化与图形化。     

基于Skyline的企业总图3维信息系统

3维技术以其直观、眩目的表现力深受人们喜爱.利用3S技术和Skyline开发平台,可以构建大型企业3维地理信息系统,以满足企业设计部门和资产管理部门对基础地理信息的需求.兼容原有2维系统的总图3维信息系统,将为企业的日常管理、设计施工、分析统计、规划决策等提供更加可靠、直观、多层次、多功能的综合服务信息.     

城市数字高程模型和数字正射影像建库系统架构

数字高程模型和数字正射影像是城市基础地理信息的核心载体.两者数据都是连续的地表模型数据.本论文旨在研究建立一个以这两种数据为主体的数据库集成管理系统,并能够提供基本的分析和应用功能,为城市的规划、建设、管理和社会各行业提供完善、优质和高效的地理空间数据服务.论文以宁波市两者数据的建库为例.首先介绍一些有关背景资料;然后详细研究了该系统的设计情况,包括设计的原则、技术路线,数据组织和功能规划;最后进行总结,分析了该系统架构设计的优缺点.     

大庆CORS系统精度（RTK）测试与分析

目前国内GNSS连续运行参考站网系统（CORS）进入了高速发展的成熟期,为了更好地发挥其性能,文章是针对大庆CORS站系统精度进行的测试与分析（RTK）。