沪宁城际高速铁路重点沉降观测地段监测方法探讨与研究

以沪宁城际铁路重点沉降观测地段监测工作为例,研究高速铁路运营期间监测工作的方法与实施,通过对多个地段监测数据的分析,验证重点监测地段方法的可行性,并对各重点监测地段的变形原因进行了分析。     

基于BIM的高速铁路监测数据可视化研究

高速铁路变形监测项目有着数据量大、数据类型丰富、工程庞大复杂等特点,BIM技术可以用数字化的方式表达铁路工程沿线监测点、线路构筑物、基本设施设备等实体信息。本文在对高速铁路轨道检测数据和沉降监测数据可视化研究中,验证了BIM技术可用于高速铁路监测数据可视化分析、管理,并在Microstation平台下初步建立了高速铁路沉降监测BIM建模流程,可用于高铁沉降监测点成果录入、表达和管理,并在工程实例中进行了验证。     

变形监测数据管理与分析系统设计与实现

变形监测具有周期性、监测时间长、监测点多等特点,导致监测数据量大,故对海量变形监测数据的管理与分析就显得十分重要。为了实现对海量变形监测数据的高效管理与分析,文中采用C#语言,以SQL 2008为数据库,编写变形监测数据管理与分析系统,并通过工程实例验证系统的高效与可行性。     

建筑物沉降规律的曲线拟合模型研究

建筑物的沉降监测数据序列具有趋势化的特点,通过对建筑物沉降监测数据序列的统计分析,建立建筑物沉降量趋势项及差异沉降量趋势项的数学模型,计算建筑物沉降量及差异沉降量的即时速率,为建筑物的后期监测精度及监测周期提供设计依据.通过工程实例验证,建筑物沉降量及差异沉降量所采用的双曲线回归模型具有较高的拟合精度和预测能力,可实现对建筑物末来沉降趋势的综合预测预报,为建筑物的运营安全评估提供科学的决策依据.     

基于北斗卫星导航系统的地下车库深基坑沉降监测与分析

为评估北斗变形监测系统(BDS变形监测系统)在施工干扰环境下的变形监测效果,本文将BDS变形监测系统应用于西安市东郊某地下车库深基坑工程的沉降监测,得到了施工期及工后期的沉降监测数据,根据小波降噪原理对监测数据进行了平滑降噪,并将BDS变形监测系统与水准监测数据进行了对比分析,最后对该场地深基坑的最终沉降量进行了预测。结果表明,施工干扰会导致BDS变形监测系统监测数据在一定波长范围内含有大量噪声,但通过小波降噪法对含噪声数据进行5层分解后,可得到平滑的沉降监测数据,且处理后的数据与水准监测数据的平均相对误差低于10.3%;基于降噪后数据采用修正的Gompertz函数预测得到该场地最终沉降量范围为100～110 mm。相关成果可为BDS变形监测系统在类似工程中的应用提供参考。     

基于MATLAB的高层建筑沉降变形监测数据处理

曲线拟合是变形监测数据处理与分析的常用方法。以济南某高层住宅楼的沉降变形监测为实例,首先介绍沉降变形监测方案,然后根据高层建筑的沉降变形特点,经综合分析比较,采用对数模型对监测数据进行曲线拟合,以MATLAB 7.0为平台编程实现并对建筑的沉降变形进行预报,结果表明该模型对高层建筑的沉降变形数据的处理具有显著的优越性。     

基于线性参照系统的高铁沉降数据集成模型

针对高铁沉降监测数据的海量特性,以及传统管理方式存在的效率不高、可视化效果不好的问题,设计了一种基于线性参照系统有效管理和显示高铁沉降监测数据的集成模型。该模型中,高铁路网以路径要素集存储,高铁沿线非空间数据以事件表的形式存储,由此实现高铁沉降监测相关的空间数据和属性数据的线性建模与集成。同时,使用Arc Engine组件与.NET平台实现了沉降监测数据空间查询和可视化表达功能,可形象地反映高铁线路与沉降监测点的分布状况,更易于进行沉降数据的可视化分析、预测和评估。数据集成模型实现了非空间数据和空间数据的一体化管理,有效地减少了数据存储冗余,提高了高铁变形监测数据管理的效率,对我国高速铁路的建设与运营安全的海量监测数据管理具有一定的参考价值。     

季节性气温变化对高速铁路桥梁沉降影响分析

介绍了高速铁路工后沉降影响因素及工后沉降限值,通过实例分析了季节性气温变化对高速铁路工后沉降的影响。实验表明,季节性气温变化会导致高速铁路桥梁季节性的挠度变形,在高速铁路运营期沉降监测分析过程中应予以修正。     

EMD在建筑物GNSS振动信号分析中的应用

从建筑物的全球卫星定位系统(GNSS,Global Navigation Satellite System)监测信号中提取变形信息能够为建筑物沉降分析、安全警报提供可靠的技术支撑,是建筑物安全监测的关键。本文利用经验模态分解(EMD,Empirical Mode Decomposition)方法对GNSS监测数据进行了逐级分解,获得了显著的周期性信号、趋势性信号和高频信号,并分析了其对应的各尺度变形的物理机制。其中周期性信号和趋势性信号分别可能是由太阳照射周期和天气变化引起,而高频信号应是风振导致。实验结果表明,EMD方法能够准确识别GNSS监测数据中的多尺度的变形信息,为进一步的安全监测和预报提供可靠的基础。     

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。     

回归分析在大桥沉降监测预测中的应用

在对多期桥梁沉降变形监测数据预处理、观测数据粗差剔除方法分析研究的基础上,提出了基于代表性沉降数据、采用回归分析法对大桥沉降形变进行预测的方法,并在东明黄河公路大桥沉降变形监测项目中得到了成功应用,结果验证了该方法的有效性,研究结论可为桥梁变形监测数据处理及预测预报提供借鉴。     

基于沉降区域轨道交通桥梁徐变监测探讨

近年来在轨道交通建设中普遍采用预应力桥梁,桥墩沉降对桥梁变形造成的影响很小,而桥梁徐变引起的质量事故比较突出,为此桥梁徐变观测也越来越成为桥梁变形监测的重点。通过穿越沉降漏斗区域桥梁徐变变形实例,分析在漏斗区域已知基准点选埋及桥上高精度基点引测方法,应用精密水准观测徐变监测点的沉降量。对桥梁徐变监测,得到徐变监测变形量,通过数据分析,来指导桥梁施工进度。同时,监测数据可进一步验证设计预拱值是否合理,为后续同类桥梁建设积累经验。此外,监测徐变高程系统宜与轨道交通一致,实现数据共享。通过监测验证了监测频率、监测方法、监测点布设等是合理可行的。     

基于小波去噪的地铁沉降监测分析

地铁等大型工程施工过程引起的地表及其周边建筑物的变形及变形趋势分析,对于确保城市及工程安全极为重要。研究有关沉降监测方法及可靠性分析,估计地表及其周边建筑物可能产生的变形,对周边建筑物的安全,以及工程本身顺利实施有着重要的现实意义。本文将沉降观测数据序列作为带有白噪声数字信号,采用小波多孔算法进行了监测数据的去噪处理,取得了较好的效果。同时论文提出采用分段拟合的方法进行数据拟合,用对数函数曲线来描述土体沉降较快的第二阶段变形趋势,变形预报较为准确。     

时间序列分析在工程安全监测中的应用研究

当前我国处于基础建设的大发展时期,对大型工程的安全监测工作提出了更多的要求.在获取工程变形监测的数据后,如何准确地建立变形模型并对未来的变形趋势做出一定的预测,是当前工程安全监测研究的重点.时间序列分析利用逐次观测值间的时序性和相关性,对监测数据建立相应的数学模型并对模型进行研究分析,解析数据内在的结构和特性,然后根据历史数据预测将来的趋势.本文介绍了时间序列分析的相关理论,并在沉降监测数据处理中进行了应用,结果表明,该方法在进行短期预测时效果比较理想.     

高层建筑物沉降监测与预测方法

高层建筑物沉降变形监测是工程建设中一项十分重要的工作,为了系统地阐述高层建筑物沉降变形监测作业、数据处理及建模预测等方法,文章结合具体工程实例,详细地介绍了其监测作业过程、数据处理方法、图表分析内容以及沉降变形稳定性判别等方法要素,以回归拟合的方法对某代表性观测点监测数据进行了建模与预测分析,并与其它观测点数据进行了预测对比,同时对所建回归模型方程进行了显著性检验、预测区间估算和预测精度分析等,为类似工程实践及数据处理与分析方面提供方法参考。     

灰色模型分析法在高层建筑物变形监测预测中的应用

在变形监测过程中,获取监测资料以后,通过对高层建筑物观测资料进行研究分析,可以掌握地基随时间的沉降规律,预测其下一步的变形趋势,并为可能发生的变形做好必要的准备,减少因非预计沉降带来的损失。灰色模型分析法是一种常用的数据处理及预测分析方法,本文在简单介绍了灰色模型分析法的基础上,利用灰色模型分析法预测了变形监测数据,并得出了有益结论。     

奇异谱分析在GNSS变形监测数据处理中的应用

为了更好地对桥梁的变形状态进行监测,评价桥梁运营的稳定性,本文将GNSS(Global Navigation Satellite System)用于桥梁变形监测中,并使用奇异谱分析(Singular Spectrum Analysis, SSA)对GNSS监测数据进行处理。研究了实现SSA的关键参数嵌入维数及有效主分量的确定方法。经SSA后提取得到变形监测数据中的趋势项成分与周期项成分,剔除了噪声项,对结果分析得出：桥梁在3个方向上都会产生周期性变形,变形幅度不一样但是周期及变形极值点都一致,并且只在一定范围内变化,理解为受日照、荷载影响产生的变形,这种可恢复性变形也表明桥梁的运营状态良好。     

LS+AR组合模型在大坝变形预报中的应用

针对大坝变形监测数据的年周期性特点,建立了大坝变形监测序列的拟合外推模型,提出了利用最小二乘外推(LS)与自回归(AR)组合模型预报大坝变形监测数据的方法。通过实验比较说明,LS+AR组合与AR模型相比,在大坝变形监测的预报精度上有一定程度的改善。     

区域地面沉降的主要因素研究

近年来,我国城市地下空间的开发利用愈来愈趋于精细化管理,如何监测区域地面沉降引起的地质灾害受到社会的广泛关注。基于某区域多年来地面沉降监测数据和地质条件综合分析,研究了区域地下构筑物沉降趋势及影响因素,探明了地下构筑物长期沉降和不均匀沉降的主要原因,建立了地面累积沉降量、差异沉降量与沉降趋势的特征关系。通过变形监测数据科学预测地面沉降的趋势与影响范围,为治理和预防因地面沉降造成的灾害提供决策依据。研究成果不仅可为该地区地下构筑物施工安全提供技术支持,也可为城市地下空间规划、布局提供理论参考,还可为复杂软土地区地下工程设计提供理论依据。     

小波神经网络在高铁路基变形分析中应用研究

路基是高速铁路的轨道基础,是整个线路结构中最为薄弱的环节,对线路的平顺性、稳定性特别敏感,加强对高铁路基的沉降变形分析是确保路基工程施工质量和保障运营安全的重要环节。引入小波神经网络组合模型应用到高铁路基的沉降变形分析中,通过工程实例分析表明,小波神经网络组合模型预测精度较BP神经网络模型高,在高铁路基的沉降变形分析中具有更好的优越性和应用效果。