Kal-GM组合模型在变形监测中的应用研究

综合考虑灰色系统理论和卡尔曼滤波的优点,提出了Kal-GM组合模型的建立思路及相应的精度评定公式,并将其应用于建筑物变形监测实例.结合西安市某高层建筑物沉降观测数据,通过对变形监测规律的分析,建立了相应的数学模型并对观测数据进行了处理.数据处理结果显示,本模型处理后数据曲线与原始观测数据曲线的变化趋势基本一致,较好的模拟了建筑物沉降的变化规律.本模型有效的剔除观测数据粗差,拟合精度较高,为变形观测研究提供了更为可靠的观测数据.     

非等步长GM(1,1)模型在建筑物变形监测中的应用研究

将灰色系统理论应用于建筑物变形监测数据分析,针对观测周期的不确定性因素,提出使用非等步长GM(1,1)模型进行监测,并用最小二乘法求解模型参数,给出模型精度的检验方法,并以实际的建筑物的沉降观测数据为例说明应用此方法的全部过程,将分析和预测结果与传统GM模型进行比对,获得了更好的拟合数据和预测数据,且精度更高。     

基于卡尔曼滤波的自然电场数据时序反演

自然电场法常用于环境与工程等领域的监测作业,但各时刻观测数据往往单独反演解释.为了充分利用时序数据间的关联信息,提高监测数据的反演解释可靠性,提出基于卡尔曼滤波的自然电场监测数据时序反演方法.根据达西定律和阿尔奇公式建立污染物在孔隙介质中的运动扩散的动态地电模型,作为用于构建卡尔曼滤波的状态模型.而卡尔曼滤波的观测模型则通过常规的自然电场法正演获得.在建立状态模型和观测模型的基础上,构建起卡尔曼滤波递归,将地电模型演化信息与自然电场观测数据进行信息融合,实现自然电场监测数据的时序反演.加入噪声的自然电场模拟数据测试表明时序反演算法具有较好的鲁棒性,对噪声不敏感.沙槽物理实验监测数据的计算测试也同样证明时序反演能有效处理监测数据,实现对动态模型的准确重构.     

高层建筑物沉降监测数据分析

通过对高层建筑物的沉降进行跟踪观测,获得建筑物沉降的准确数据.分析地基在不同荷载作用下随时间沉降的规律,为高层建筑物施工和运营安全提供数据保证.通过对建筑物野外观察及沉降数据讨论,分析建筑物沉降原因.     

岩溶地质条件下建筑变形数据的分析与预测

通过对岩溶区与非岩溶区两栋高层A、B塔沉降观测数据的分析,得出:封顶前的建筑变形可以达到最终稳定时累计变形量的80%~83%,大部分地基沉降发生在封顶前的加载过程中;在封顶前随着荷载的增加沉降基本呈线性增长,封顶后荷载不变,沉降缓慢增加,曲线趋于收敛;应用BP神经网络对A塔观测数据进行预测分析,得到了当隐层神经元数为3时预测精度较高;BP神经网络预测模型预测结果曲线相对误差最小值为1%,最大值为2.08%,拟合程度较高,说明该模型的适用性较好。     

微地震信号的参数辨识建模及其Kalman滤波

由于微地震信号能量微弱、信噪比低,需要对采集到的微地震数据进行去噪处理,从而提高微地震记录的信噪比,提高震源定位的精度.目前存在许多基于模型的先进滤波方法,如基于机理模型的卡尔曼滤波已经成功应用在微地震信号去噪中.为了建立微地震信号的数学模型,改善卡尔曼滤波效果,本文通过数据辨识方法,对微地震信号建立了ARMA模型,并进一步转化为适用于卡尔曼滤波算法的状态空间模型.在此基础上研究了卡尔曼滤波方法,设计了适用于微地震去噪的卡尔曼滤波实现算法.理论模型和实际微地震监测数据处理结果表明,基于辨识模型的卡尔曼滤波算法能够有效抑制微地震信号中的随机噪声,显著提高微地震监测信号的信噪比,从而验证了该辨识模型的准确性和滤波算法的可行性.     

卡尔曼滤波在超高层结构变形监测中的应用

卡尔曼滤波方法是一种有效的滤波方法,而且具有强大的预测功能,目前尚未见其应用于超高层结构变形监测,本文提出将卡尔曼滤波原理应用于超高层结构变形监测的方法,编写了相关程序,并比较了α-β模型与α-β-γ模型的滤波效果与短期预测精度。为了验证卡尔曼滤波方法的有效性,本文将其应用于南宁某在建超高层结构水平位移的监测与分析。研究结果表明:α-β-γ模型的卡尔曼滤波方法能够有效去除该超高层结构水平位移监测数据中包含的噪声,滤波后的曲线较原曲线更平滑,曲线变化规律更明显,是适用于超高层结构变形监测数据处理的有效方法;该方法短期预测精度较高,其对超高层结构变形趋势的预测具有较大的参考价值。     

基于集合卡尔曼滤波的湖泊富营养化模型Delft3D-BLOOM数据同化

富营养化模型是进行湖泊水环境质量预测和管理的重要工具,然而模型客观存在的误差一直是应用者关心的重要问题.数据同化作为连接观测数据与数值模型的重要方法,可以有效提高模型的准确性.集合卡尔曼滤波(En KF)是众多数据同化算法中应用最为广泛的一种,可进行非线性系统的数据同化,并能有效降低数据同化的计算量.本研究以太湖作为具体实例,选择Delft3D-BLOOM作为富营养化模型,在数值实验确定En KF集合数为100、观测误差方差为1%、模拟误差方差为10%的基础上分别进行模型状态变量同化以及状态变量与关键参数同步同化.结果显示,仅同化状态变量时,模型预测精度有所增加;同时同化状态变量和关键参数时,可显著提升模型在湖泊水环境质量预测中的精度.该研究为应用集合卡尔曼滤波以提高复杂的湖库富营养化模型模拟精度提供了有效的方法.     

基于粗糙集——支持向量机的震害预测模型及应用

结合粗糙集理论的属性约简与支持向量机的分类功能,建立了基于粗糙集与支持向量机的建筑物震害预测模型.该模型首先运用粗糙集理论,建立决策表,进行属性离散、属性重要性排序、属性约简和分类规则的提取,然后用所提取的关键成分训练支持向量机.该模型不但能有效降低建筑物震害影响因子数据维数及支持向量机的复杂程度,提高训练速度和分类精度,而且还能对各因子的影响程度进行排序.最后,通过实例验证了该模型的性能.     

基于LiDAR的建筑物震害分析

激光雷达技术(light detection and ranging,LiDAR)是近年来在摄影测量与遥感领域发展起来的新型技术,在地震灾后评估工作中的应用仍处于探索及起步阶段,但已经展现出巨大的应用潜力。本文从震害评估的需求出发,基于地面LiDAR技术,深入研究了地震灾区建筑物点云数据采集及处理的方法,在此基础上进行震害信息提取及联合分析。主要研究内容总结如下:(1)传统方法的适应性改进与提高。研究了利用地面LiDAR设备开展测量工作的框架和关键方法,针对震害建筑物点云形状不规则、数据冗余度较高及噪声较多的特点,本文通过改进传统点云数据处理算法的关键参数,给出了合理的兼顾数据处理效率及效果的算法阈值,通过实验检验算法组合的有效性,实现了震害建筑物点云数据的高效处理。(2)首次提出实验性点云震害定量分析模型。提出了基于地面LiDAR的建筑物形状分析模型(terrestrial laser scanning-based building shape analysis model,TLS-BSAM),用于完成建筑物震害程度识别和分析。该模型融合了边缘提取、形状聚类及判别分析方法,有效解决了建筑物等高多边形序列提取、形状离散参数提取、不规则建筑物区块分割和震害分析等问题。模型给出了建筑物等高多边形序列最优采样间隔0.5~1m,最大限度保存建筑物震害特征以实现基于离散点云的形状分析。提出了等高多边形的长宽比r、倾斜方向θ、矩形度R、紧致度C和中心点位置x,y等特征参数,并通过K-means聚类方法,实现不规则建筑物区块准确分割,通过对各参数进行加权平均提取形状离散参数,可有效表达建筑物单体破坏状况的特征。其中倾斜方向、矩形度、紧致度和中心点能较好地反映建筑物的破坏情况,该模型通过建立判别函数对现有建筑物样本震害程度识别效果较理想。(3)拓展点云应用,提高精度。利用面向对象方法,将点云高程、回波次数及回波强度信息等作为特征参数,丰富了传统建筑物特征描述因子,并结合点云的光谱特征构建了建筑物信息提取规则集,阐述了基于点云数据的面向对象方法提取建筑物的关键流程,实现了高精度的建筑物信息提取,与实地调查结果相比,提取精度可达90%以上。(4)建立理论基础,提供新思路与方法。基于LiDAR数据与SAR图像,通过距离-多普勒模型(R-D)及射线追踪法的SAR图像模拟方法,选择典型震害建筑物开展SAR后向散射及三维几何剖面联合分析,阐述了各类震害的表达形式,为震害遥感的定量分析和自动判读建立了良好的理论基础,实现震害建筑物特征的高可信分析及解译,为震后SAR图像解译和建筑物震害分析提供了一种新思路与方法。     

抗差自适应Kalman滤波在动态变形监测中的应用研究

抗差自适应Kalman滤波算法中,抗差等价权矩阵和自适应因子的计算,要求观测信息具有多余观测量且准确可靠,但在动态变形监测应用中,通常滤波观测值仅为三维坐标且存在较强噪声和粗差的影响。为此,先对该算法中的自适应因子和抗差等价权矩阵的计算进行研究和改进,然后计算了某高速公路边坡的GPS动态监测数据。结果表明,抗差自适应Kalman滤波能够有效地抵制动态变形监测中观测值异常的影响。     

基于Gauss-Markov卡尔曼滤波的电离层数值同化现报预报系统的构建-以中国及周边地区为例的观测系统模拟试验

本文给出了一个基于Gauss-Markov卡尔曼滤波的电离层数据同化系统的初步构建和试验结果.我们选择中国及周边地区部分涉及电离层观测的台站(包括子午工程台站、中国地壳形变网和部分IGS台站)作为观测系统进行模拟试验,背景场利用IRI模式,观测值则由NeQuick模式计算得到.我们的同化结果表明,采用Kalman滤波算法,把部分斜TEC同化到背景模式当中,能够获得较好的同化结果,说明我们设计的算法可行、所选择的各种参数比较合理,采用Gauss-Markov假设进行短期预报也取得了较合理的结果.本项研究经过进一步的改进和完善,可以用来对中国地区的电离层进行现报和短期预报,一方面满足相关空间工程应用,另一方面可以提升现有观测系统的科学意义.     

时序形变资料的多核函数滤波方法研究及应用

针对多年时序形变观测资料有效信息提取复杂的问题,对基于多核函数的滤波方法进行研究,得到以下有益结论:(1)当核函数指数为0.5,光滑因子为0.003时,10天及以上核点间隔的滤波模型单位权中误差最小;(2)核点间隔控制滤波信息频谱的高低,间隔越大频谱信息越低,反之则频谱信息越高;(3)因数据缺失部分造成核点减少,当连续减少2个以上时滤波失败,当连续减少2个时数据缺失部分滤波出现失真,当减少1个时滤波效果不受影响;(4)通过对GPS时序资料、定点形变时序资料和非构造形变时序资料的滤波应用,获取不同频谱的信息,验证了本文方法的稳定性和可靠性。     

定点地形变地震前兆异常指标辨识及可信度研究

以近年来广东省台站观测资料为基础,总结和探讨了地形变前兆异常指标的辨识方法。由震例总结得到的研究可信度与国内的大致相同。震前异常指标在时间上的协同性表明,不同方法观测到的地形变资料其内在的物理特性是统一的、相互关联的。     

福建沿海、台湾海峡GPS观测分析及地球动力学特征研究

利用 3期GPS联测结果所获得的福建沿海地壳水平运动信息 ,采用ITRF94全球框架为基础的GPS测站地壳运动模型及其处理软件 ,对所获得的观测数据进行处理和精度分析。得到福建省高精度的GPS测站大地坐标、边长及其位移矢量 ,其精度达到 1 7×10 - 8。计算了福建地壳运动速率、主应变率 ,东西与南北向线应变率、面应变率、剪应变率、大地转动率和最大剪应变率等值线并给出了它们的分布图象。根据多年形变和现今GPS观测资料 ,分析福建地壳垂直运动与水平运动 ,显示区域应力场优势分布特征。最后 ,对福建沿海及台湾海峡地壳动力学特征作了初步的探讨     

Modeling and prediction of environmental data in space and time using Kalman filtering

 The Kalman filter is used in this paper as a framework for space time data analysis. Using Kalman filtering it is possible to include physically based simulation models into the data analysis procedure. Attention is concentrated on the development of fast filter algorithms to make Kalman filtering feasible for high dimensional space time models. The ensemble Kalman filter and the reduced rank square root filter algorithm are briefly summarized. A new algorithm, the partially orthogonal ensemble Kalman filter is introduced too. We will illustrate the performance of the Kalman filter algorithms with a real life air pollution problem. Here ozone concentrations in a part of North West Europe are estimated and predicted.     

库尔勒铁门关钻孔应变震前固体潮畸变现象分析

通过对库尔勒铁门关体应变3年的观测资料进行可靠性分析认为本台站资料达到了Ⅰ类台精度,干扰主要为气压效应和水位干扰,观测资料记录到的固体潮清晰.利用低通滤波和一阶差分的方法,可以识别出固体潮畸变.对识别出的48次固体潮畸变现象进行了统计,统计结果表明,6次畸变为干扰,13次近震前存在固体潮畸变现象,其余畸变发生在强远震前...