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。     

小波神经网络模型在高层建筑物沉降预测中应用研究

为了提高变形监测数据预测的精度与可靠性,以及提高人工神经网络预测方法的稳定性,尝试将小波分析与BP神经网络相结合的小波神经网络应用于高层建筑物沉降监测数据处理中。综合小波分析与神经网络算法的优点,将良好的时频局域化特性和神经网络理论的自学习功能相结合,建立高层建筑物的小波神经网络变形预测分析模型。通过实验数据对比分析,小波神经网络用于高层建筑物沉降预测数据处理中可以得到更好的预测效果,预测稳定性及预测精度较高。     

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。     

基于Kalman滤波的高耸建筑物沉降预测模型研究

为了提高高耸建筑物沉降监测数据的可信性与实时预测的准确性,利用小波分析与Kalman滤波在数据处理方面的优势,采用小波分析先对沉降数据进行去噪,并采用Kalman滤波理论进行预测。通过实验数据的对比分析,结合小波去噪分析与Kalman滤波理论对原始沉降变形量进行沉降预测,能克服只使用单一Kalman滤波方法进行沉降预测中噪声处理的不足,验证了小波分析及结合Kalman滤波理论进行沉降预测的可行性,且预测精度比较高。     

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.     

基于时间序列模型的变电站沉降预测分析

变形分析与预报是变形监测数据处理的重要内容,而时间序列模型是常用的变形分析与预报工具。本文采用时间序列模型对变电站沉降数据进行分析建模,从而掌握变电站的沉降规律,预测未来沉降趋势,对下一步施工具有实际指导意义。     

小波神经网络模型在高铁路基沉降预测中的应用研究

为了提高变形监测数据预测的精度与可靠性,提高神经网络预测方法的稳定性,尝试将小波分析与BP神经网络相结合的小波神经网络应用于高铁路基处的沉降监测数据处理中。综合小波分析与神经网络算法的优点,建立松散型及紧致型小波神经网络预测分析模型。通过实验数据对比分析,验证了采用紧致型小波神经网络预测模型能够较好地用来处理路基的动态变形监测数据,预测稳定性及预测精度较高。     

Kalman滤波在高铁桥梁变形预测分析中的应用

针对高速铁路桥梁架梁后许多沉降变形点沉降量级较小,变形曲线呈现＂小量级,大波动＂特点,观测数据中可能存在大量的随机噪声,对沉降变形分析产生干扰,影响预测结果的可信度,本文将Kalman滤波引入到高速铁路桥梁变形分析数据预处理中,建立基于Kalman滤波的动态模糊神经网络模型。通过应用实例分析表明,基于Kalman滤波的动态模糊神经网络模型的预测精度有所改善,具有一定的优势。     

沉降监测缺失数据修复的建模方法及编程实现——以海南省万宁市某建筑沉降监测项目为例

岩土工程沉降监测数据的缺失问题会影响变形趋势预测、预报的精度,为了保证监测数据的连续性和完整性,需要采取数学建模方法对缺失的数据进行插补修复。本文以海南省万宁市某建筑沉降监测项目为例,介绍了多变量灰色模型——MGM(1,n)模型的建立方法以及利用Matlab软件编程实现的过程。实践表明,该模型能够以较高的精度有效地对缺失数据进行修复,在工程项目实践中有一定的应用参考价值。     

基于Matlab的建筑物沉降数据预测模型对比研究

针对建筑物变形监测的数据处理问题,本文基于Matlab提出了几种拟合模型对所得的沉降数据进行分析、预测.本文以某高层建筑物变形监测数据为例,经基准点检查和三点修匀法对原始数据处理以后,通过模型预测分析得出高层建筑物沉降特征与规律.实验结果表明,使用指数函数模型拟合出的实际效果能够更加准确地分析高层建筑物的沉降变形.