重标极差分析法在地铁变形监测中的应用

为了科学、准确、及时地对地铁隧道结构进行监测分析,该文将重标极差分析法引入到地铁的变形监测中,并以南京地铁为例,对长时期垂直位移时序进行了R/S分析,研究地铁沉降监测点的变化趋势,并将R/S分析的预测结果与实际监测数据进行了对比,预测结果与实测数据具有一致性。结果表明:描述和刻画复杂非线性时序的R/S分析方法,能有效地对地铁变形时间序列数据进行预测分析。地铁变形时间序列数据的Hurst指数,不仅在时间上反映不同变形的趋势性及其强度,而且在空间上反映地铁不同部位的变形趋势特征。R/S分析方法适合变形监测项目的预报分析,在变形监测中具有一定的应用前景。     

地铁结构变形预测的时间序列模型方法研究

本文根据南京地铁某区间隧道结构变形监测数据,分别采用回归分析方法和时间序列分析方法建立模型,对地铁结构变形进行预测。计算结果表明在该工程实例中,回归分析模型的预测精度约为±0.20mm,时间序列模型的预测精度约为±0.08mm,较回归分析模型提高了60%,能够较好的对地铁结构变形进行预测。     

城市地铁变形监测数据处理

为确保地铁施工安全进行变形监测是非常重要的手段,而变形监测的最终目的是预测,即对观测物的未来形态进行预报和分析。时间序列的原理是找出事物随时间变化的规律,从而对数据变化趋势做出正确的分析和预报。本文通过对时间序列的研究对长春地铁繁荣路站的变形监测数据进行了分析和预报。     

EM算法的时序模型在沉降数据处理中的应用

针对时间序列分析对监测数据中出现的不完全数据(部分数据缺失)无法进行精确建模的问题,该文引入期望极大算法(EM算法),提出EM算法与时间序列分析的组合算法模型。运用EM算法的时间序列分析组合算法模型可以对沉降过程中遇到的不完全沉降数据进行建模分析,该组合算法模型可以对不完全沉降数据进行较为精确的建模,并对后期沉降数据进行较为精确的预测。将某地铁基坑点沉降数据作为实验数据,EM算法的时间序列分析的建模结果表明:所提出的组合算法模型可以对不完全沉降数据进行建模分析,绝对误差为0.23mm,建模精度较高。     

时间序列分析在地铁沉降观测中的应用

由于地铁工程大部分在地下施工,可能造成周围建筑或者土地出现不均匀沉降问题。为了确保地铁施工安全,地铁施工过程中要对地面沉降现象进行检测,从而及时了解地面沉降情况。本文通过时间序列分析方法对地铁施工沉降情况进行监测,及时掌握地铁工程以及周围建筑物的沉降量和沉降速度,对沉降情况进行科学的分析和评价,并采用合理的方法进行预测,更好地掌握地铁施工沉降变化规律和发展趋势,确保地铁施工的安全性。     

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。     

时间序列分析在地铁沉降观测中的应用

为了避免地铁建设过程中危险事故发生,需要在施工过程中进行沉降观测。本文研究采用时间序列分析对不同地质条件下地铁拱顶沉降点观测数据进行平稳化处理,求出自相关系数及偏相关系数,确定预测模型和误差残差值及置信区间。实验结果表明,拟合预测值与原始观测数据的差值在合理的误差范围内,能够对沉降值进行预测,实现对地铁沉降进行监测的目的。     

三峡库区水质数据时间序列分析预测研究

阐述了时间序列分析的概念、种类及分析方法,以三峡库区水质各指标的水期时间序列数据为研究对象,采用Holt-Winters时间序列预测模型进行了水质预测的试验研究.     

区域滤波方法在IGS台站时间序列分析中的应用

随着GPS技术的发展,在连续运行的GPS参考站上已经积累了将近20年的数据,形成了比较充足的GPS坐标时间序列.在GPS时间序列中包含着共模噪音和其他未建模的误差,利用相关性分析方法提取GPS时序中的共模噪声,通过主成分分析方法来对GPS时间序列的残差进行主成分提取,并在时序分析中将其剔除,从而得到纯净的GPS时间序列,来精确估计坐标和速度场.     

地铁轨道结构沉降预测的神经网络模型

地铁轨道结构的变形是影响地铁运营安全的重要因素之一,对其变形预测模型展开研究具有重要意义。本文以南京地铁2号线某区段的地铁轨道结构沉降监测实测数据为基础,研究分析了几种不同的沉降预测模型,并对预测效果进行了对比分析。论文首先介绍了时间序列模型之一,自回归模型AR(p);其次,介绍了神经网络BP模型,且确定地铁轨道结构沉降预测的BP模型结构为4×P×1。经工程实例分析,与时间序列模型相比,神经网络BP模型的预测精度能提高约50%,但该模型的缺点是模拟结果不稳定。最后,作者提出了时间序列与BP算法的融合模型,并详细介绍了该模型的具体结构和计算步骤。工程实例结果表明,融合模型的预测精度更高,与时间序列模型相比,精度能提高约60%,且融合模型的稳定性比常规BP模型要好。     

基于小波去噪的地铁变形组合预测模型分析

对地铁监测数据建立相应的预测模型,对变形可进行前瞻性预测,从而保证地铁安全的施工和运营。本文以北京市地铁某基坑工程为研究对象,首先以某一监测点为例,利用小波分析对原始监测数据进行去噪处理;然后分别利用时间序列分析模型和BP神经网络模型对去噪后的数据进行建模分析,得到原数据的拟合值和对未来变形的预测值;最后利用同期Sentinel-1A卫星影像进行相干点时序InSAR处理,得到形变结果。通过分析两个模型的预测值与实际值,并与InSAR结果进行对比,验证了两个预测模型在地铁形变监测中应用的优劣性。     

城市地铁施工监测系统的探讨

城市地铁施工监测是保证施工安全和工程质量十分重要的措施,监测数据的处理和分析,涉及大量而复杂的计算、绘图、地理定位和制表等工作,本文阐述了利用GIS技术研究和开发城市地铁工程施工监测系统,自动对城市地铁施工监测的数据进行管理,并及时给出安全预警。应用该系统可以对各种监测数据进行及时的计算分析,信息反馈及实时定位查询,完成信息化安全施工管理,该系统在城市的地铁施工安全中发挥了重要作用。     

小波与奇异谱分析在地铁保护区监测数据处理中的应用

以南京市地铁沉降监测数据为例,将小波分析和奇异谱分析方法应用在地铁保护区监测数据的处理中。实验证明本方法在探测异常值、获取沉降变形趋势、变形周期等方面具有可行性。     

地铁隧道结构变形监测信息管理系统的开发

地铁隧道结构变形监测的特殊性、周期性和长期性,使其信息量非常庞大.信息管理是地铁隧道结构变形监测中一项重要的工作,现有的管理方式效率很低.为了高效、准确地管理监测信息,及时分析预报地铁隧道结构的稳定状况,本文结合南京地铁运营期隧道结构变形监测实例,开发了一套具有变形监测资料存储、预处理、管理分析、可视化分析、预测预报及限值预警等功能的信息管理系统,保证了准确及时快速的数据处理和信息反馈,具有良好的运用和推广前景.     

一种城市公共自行车接驳地铁出行的时空可视化分析方法

公共自行车是城市轨道交通的重要接驳方式。为了更加清晰、直观地展示公共自行车接驳地铁出行的时空特征，本文提出了一种公共自行车租赁点接驳地铁出行客流量的时空可视化分析方法。该方法首先将地铁客流与公共自行车的IC卡数据进行预处理与时序分析，初步分析了两者之间的时序相似性；通过对地铁客流的时间聚类进行分析，得到了3种类型的出行日；然后分别对各类型出行日的相关性计算结果进行了特征可视化与空间信息可视化，实现对公共自行车接驳地铁出行时空特征的综合分析；最后运用该方法以北京市西城区宣武门地铁站为例，对该站合理范围内的公共自行车接驳地铁出行情况进行了时空可视化分析。结果表明，对地铁客流与公共自行车IC卡数据的融合可视化分析可更加全面、动态地掌握城市公共自行车接驳地铁出行的时空分布情况，该方法可为城市轨道交通站点处公共自行车租赁点的规划及建设提供量化依据。     

北京地铁隧道结构整体变形监测的研究

本文结合北京地铁一号线八宝山站至八角游乐园站区间结构变形监测工程,提出了一种对城市地铁隧道变形三维整体监测的方法,在不中断地铁正常运营的情况下,得到地铁整个变形区域形变的三维数据,不仅精密的监控了隧道衬砌、轨道和道床的形变,确保行车安全;而且可以方便的进行隧道结构和轨道变形的力学分析,从而达到了解地铁变形机理、掌握形变规律、预测形变趋势的目的。     

地铁隧道结构沉降监测数据处理与分析系统的设计与实现

根据运营期地铁监测数据处理分析过程特点,讨论分析了地铁隧道结构沉降监测数据处理分析理论与方法,对地铁结构沉降监测数据处理与分析系统的设计与实现进行了深入研究,经某地铁监测实际应用表明该系统具有较好的实用性和较高的可靠性,为类似系统提供了借鉴.     

基于激光点云的隧道断面连续提取与形变分析方法

地铁施工、运营阶段的监控量测,可有效保障隧道结构的稳定与周围环境的安全。现有的收敛计、全站仪等变形监测手段,虽然可以得到高精度的观测数据,但获取的监测点位过于稀疏,难以全面反映隧道整体的形变特征。本文将三维激光扫描技术用于地铁隧道形变监测,提出了基于激光点云的隧道断面连续提取与形变分析方法,并对提取的两期断面进行了形变分析,试验结果表明该方法能够更直观地表现隧道整体变形,研究成果可为隧道形变动态监测提供借鉴。     

地铁变形监测中曲线拟合与自回归模型的综合应用

曲线拟合与自回归是变形监测数据分析的常用方法。本文首先给出曲线拟合和自回归模型的模型形式以及模型正确性的检验方法,然后结合广州某地铁的部分实际监测资料,综合使用两种模型进行变形曲线的拟合与分析,结果表明:该综合模型对变形数据的处理有着显著的优越性。