基于混沌时间序列的黄土滑坡变形预测方法及应用

采用GNSS技术进行滑坡变形监测时,由于多路径等观测误差的存在,直接使用GNSS监测结果进行变形预测会影响预测结果的精度。为了探讨GNSS测量误差对变形预测结果的影响程度,考虑到滑坡系统的混沌特性,采用混沌理论对陕西泾阳地区庙店滑坡GNSS变形监测结果抑噪处理前后的时间序列进行了对比分析。首先,采用互信息量法确定监测序列的时间延迟、用改进的虚假邻近点法(Cao算法)确定嵌入维数,获取相空间重构参数;然后使用最大Lyapunov指数对两种变形监测序列进行混沌特性识别;最后,分别使用加权一阶局域预测方法、最大Lyapunov指数预测方法和BP神经网络预测方法对滑坡变形监测结果进行预测。结果表明:GNSS滑坡变形监测结果抑噪处理前后的时间序列满足混沌特性,说明滑坡系统具有混沌特性;在3种混沌时间序列预测方法中,BP神经网络预测方法的效果较好,且该方法预测结果的平均绝对误差(MAE)和平均相对误差(MRE)分别为0.4 mm和11.9%,经过S-变换抑噪处理后,预测结果的平均绝对误差和平均相对误差分别为0.1 mm和4.1%,预测效果有明显改善。     

抗差移动平均在GPS自动化监测数据处理中的应用

常规的加权移动平均在对GPS自动化变形监测数据序列平滑滤波时不能消除粗差的影响。为此,利用二次加权对该方法进行改进,提出抗差移动平均法。对模拟数据及实际GPS滑坡自动化监测数据的处理分析表明,抗差移动平均可有效削弱粗差对平滑滤波结果的影响。     

新铺下二台滑坡变形机制及中长期预报模型

以奉节新铺下二台滑坡为例, 基于GPS位移监测数据、裂缝数据、降雨量及库水位等多源数据, 总结分析了大型古滑坡的复活规律, 引入滑坡中长期预报模型, 实现了以季度或月份为时间单位的跨水文年滑坡位移预测, 并通过岩土体蠕变压缩模型, 验证了推移式滑坡后缘裂缝形成机理。结果表明: ①降雨是下二台滑坡变形的主导因素, 滑坡变形使得滑体产生裂缝并成为降雨入渗通道, 加剧了岩体破碎与软弱层软化, 降低了滑坡稳定性, 集中持续降雨可使滑坡失稳破坏; ②通过模型预测值与地表监测数据的比较, 将年降雨量作为滑坡中长期预报模型中的主控因素具有实际可操作性且有助于提高滑坡中长预报精度; ③推移式滑坡后缘裂缝由滑坡推移式位移和岩土体压缩形成, 引入蠕变压缩模型计算的裂缝宽度并和监测数据的比较说明, 蠕变压缩模型非常适合该类边坡, 同时应用岩土体蠕变压缩模型反推得到岩土体平均变形模量, 判断岩体破碎程度, 可以为滑坡稳定性分析及后续工程治理提供参考。      

金沙江结合带巴塘段滑坡群InSAR探测识别与形变特征

金沙江结合带结构破碎,软弱岩层发育,流域性特大高位地质灾害频繁发生。针对该区域开展大范围滑坡调查与监测研究,对减灾防灾具有重要意义。以金沙江结合带巴塘段为试验区,采用堆叠InSAR技术分别利用升轨、降轨Sentinel-1A卫星数据对该区域滑坡隐患开展了调查研究。在此基础上,以中心绒乡滑坡群为重点研究区,利用多维小基线子集技术获取了区域二维形变速率(水平东西向和垂直向)及二维时间序列结果。通过对4处典型滑坡体的形变时间序列结果进行分析,发现在两年时间段内安里克米滑坡、仁娘村滑坡、贡伙村滑坡1和贡伙村滑坡2水平方向累积位移量分别达到44.3、-26.6、65.3和-77.1 mm,垂直向累积位移量分别达到-30.2、-88.3、-80.9和-56.9 mm,且这4处滑坡呈现缓慢蠕滑变形趋势。通过对贡伙村滑坡2的形变监测二维时间序列与降雨数据分析发现,强降雨对滑坡变形有一定短暂影响。由于滑坡群处于地质条件脆弱地区,构造活动强烈,在强降雨条件下极易导致滑坡失稳,建议对其进行持续监测,同时该研究成果对流域内其他区域的滑坡调查与监测研究具有参考意义。     

基于特征优选和逐步回归的黄土滑坡监测数据融合改进方法

针对滑坡监测多源异构数据融合处理中存在的影响因子筛选难、结果差异大、数据处理复杂程度高等问题,提出一种基于最大互信息系数(MIC)、灰色关联分析(GRA)和逐步回归的黄土滑坡多源多点位异构监测数据融合方法。该方法首先将最大互信息系数和灰色关联分析结合起来,采用基于加权关联度的特征优选方法综合筛选滑坡变形影响因子,提取具有代表性的影响因子并剔除关联性差的影响因子;然后,通过逐步回归方法赋予各监测点位移和优选后的影响因子对应的重要性权重系数,获取多源异构数据融合序列;最后,采用甘肃黑方台党川滑坡监测设备所获取的全球卫星导航系统(GNSS)监测数据、裂缝位移计数据及气象数据进行实验验证。结果表明：在滑坡变形影响因子筛选性能方面,基于加权关联度的特征优选方法优于传统的Pearson相关系数法;基于特征优选和逐步回归的多源多点位异构数据融合模型的预测精度较传统的BP神经网络有所提升,其中均方根误差(RMSE)降低了51.8%,平均绝对百分比误差(MAPE)降低了2.26%,拟合优度达到了0.964。     

一种基于M估计的Robust-ELM滑坡位移预测方法

采用传统ELM算法进行滑坡位移预测时，其网络输出权值由最小二乘估计得出，导致ELM抗差能力较差，从而造成网络训练参数不准确。为此，将M估计与ELM相结合，提出一种基于M估计的Robust-ELM滑坡变形预测方法。该方法利用加权最小二乘方法来取代最小二乘法计算ELM输出权值，以减少滑坡监测数据中粗差对ELM预测的干扰。分别以链子崖、古树屋滑坡体为例，将Robust-ELM进行了单维、多维粗差的抵御性验证。结果表明，该方法能够有效降低粗差对预测的影响，具有良好的抗差能力。     

基于信息维的滑坡时间位移序列分析

以白水河滑坡时间位移序列作为研究对象,提出了用信息维来研究滑坡时间位移序列的方法。对ZG93监测点的时间
序列进行了分年信息维数计算,同时对2006—2009年预警区内所有监测点时间序列进行了分维异常分析。结果表明,时间位移
序列的信息维数大小与序列的频变和骤变有关;分维异常图可以反映滑坡空间范围内各部位的相对变形情况。      

基于提升小波的单历元GPS变形监测信号的去噪

介绍提升小波阈值收缩法去噪的基本原理和方法,利用该方法对含噪的GPS单历元变形监测数据进行去噪,提取真实变形信息。实际数据处理结果表明,相比第一代小波,提升小波变换去噪效果更好,计算速度更快。     

动态回归模型在变形分析中的应用

为了使回归模型适应动态数据集,推导了动态回归模型的递推最小二乘算法,数据更新时,采用修正方式更新回归系数计算两个矩阵,避免了重复矩阵求逆运算,实现了观测数据增加而矩阵阶数不增加,理论上减少了计算时间。以柘溪和东江两大坝变形分析多元动态回归模型为例进行实验,结果表明：该方法建模过程简洁、无需迭代计算,易于编程实现,在计算效率与预报精度等方面均具优势,可应用于实时变形分析建模。     

基于状态划分的滑坡位移预测方法研究

滑坡位移预测是滑坡灾害研究中的一个重要内容，然而现有研究将滑坡视为一个对外界响应稳定的系统，即相同的外界条件下，滑坡的位移变化是相同的。实际上，随着时间的推移，滑坡所处状态不断变化，相同的外界激励下的位移响应相差甚远。从滑坡状态与位移的响应规律出发，提出了一种基于状态划分的滑坡位移预测方法以实现更高精度的滑坡位移预测。采用K均值聚类法对滑坡变形速度和加速度进行了聚类分析，获取了表征滑坡变形程度和变形趋势的状态标签。根据状态标签对监测数据进行了划分，对每一类数据均单独构造一个BP神经网络，并依据上一时刻的状态标签选择对应的预测器来完成滑坡位移预测。将该方法运用到白水河滑坡的工程实例研究中，结果表明此方法具有较高的预测精度。      

桥梁变形监测数据小波去噪与Kalman滤波研究

针对跨海大桥三维变形监测问题,实施了测量机器人与三维激光扫描仪测量方案,二者三维监测数据最大较差不超过0.5 mm,而且测量机器人监测数据精度高,说明三维激光扫描技术应用于桥梁变形监测是可行的。根据小波分析与Kalman滤波理论,建立小波去噪后的桥梁变形监测Kalman滤波模型。实验表明,经过小波去噪的监测数据再进行Kalman滤波处理,提高了桥梁变形预测与变形分析的可靠性。通过标准Kalman滤波、自适应Kalman滤波桥梁变形观测数据处理,及平方和误差、均方误差、平均相对误差精度分析知,自适应Kalman滤波要优于标准Kalman滤波方法。     

相邻历元误差相关的抗差卡尔曼滤波算法分析

根据卡尔曼滤波理论以及抗差理论,本文推导出了相邻历元误差相关的抗差卡尔曼滤波模型,其对观测值中含有粗差有良好的抗差性。通过对含有粗差的变形监测数据分析,与相邻历元误差相关的卡尔曼滤波模型进行比较,采用本文构造的抗差卡尔曼滤波模型处理数据,无论是否有粗差存在观测值里,变形计算结果与实际结果大体一致,粗差对计算结果的影响不敏感。在对变形监测数据分析时,可得出卡尔曼滤波方法估计的状态向量,没有寄存大量的以往观测数据,而是使用最近的观测数据,经过不断的预测和改正,把新的状态展示在系统中。     

基于EMD和小波的GPS/BDS变形监测中的多路径误差削弱方法

针对GPS/BDS实时监测坐标序列中多路径误差的周日重复特性和高频随机噪声,分别采用EMD以及EMD与小波阈值去噪相结合的方法对现有坐标序列构建多路径时序模型,并通过恒星日滤波削弱后续坐标序列中具有强相关性的多路径误差。实测数据的处理结果表明,EMD可以很好地去除GPS/BDS实时监测序列中的高频随机噪声并削弱多路径误差的影响,提高实时监测精度50%左右,EMD和小波组合方法较单EMD效果稍好。     

基于卡尔曼滤波的D-InSAR和水准监测数据融合方法研究

针对面状监测的D-InSAR技术在沉降最大值附近精度较低,而高精度水准测量只能得到有限个监测点变形值的缺陷,利用集合卡尔曼滤波方法对D-InSAR和水准监测结果进行同化,从而对目标进行高精度面状沉降变形监测。结果表明,基于集合卡尔曼滤波同化结果相比于反演值和D-InSAR监测结果有了很大改善。将该方法应用于济宁邹济公路,经同化值的总均方根误差为17.7 mm,满足高等级公路变形监测的精度要求。     

��ͬ�����¼����˲������ıȽ��о����Ľ�

????о???GPS???μ???????????????????????????С???????????????????????????????????????Ч?????ó?????????????????????÷?Χ????????????????????????????????????????????????????????????С???????????????????????????????????????????????????????????????Ч??????????????     

2011���ձ�Mw 9.0����ĸ�ƵGPS��̬�α��о�

????????????????SHAO????ο????????GAMIT/GLOBK??TRACK??????????????????8????????????1 Hz GPS??????д??????????????2011?????Mw9.0???????????????α??????????????????GPS???????????????????????о????н????MIZU???USUD?????????????3.11 m??0.67 m???????????λ??????????????й???????????????????????????USUD????????????????????????????????USUD???????????????RMS??1.65 cm??????0.82 cm??     

基于干涉点目标分析方法的大光包滑坡形变监测

为研究干涉点目标分析(IPTA)方法应用于超大型滑坡形变监测的有效性,采用IPTA方法处理大光包滑坡65景Sentinel-1A影像,获得大光包滑坡的总体形变趋势及时间序列,并与StaMPS-SBAS方法的处理结果进行交叉验证,同时结合全球降水数据进一步分析形变与降雨之间的关系。结果表明,IPTA方法在超大型滑坡形变监测方面具有较好的应用效果;大光包滑坡在观测期间一直处于形变状态,雷达视线向形变速率最高达-50.590 mm/a;滑坡特征点形变速率在雨季明显加快,存在再次发生滑坡的风险。     

矿山地面灾害精准监测地学传感网系统

 研究矿山地面灾害监测传感网的理论和技术体系,建立矿山地面灾害监测地学传感网系统,进行矿区地面灾害精准监测及预报工作,对矿山及时准确科学预报、预防和减小地面灾害的损失,具有重要意义和作用。地学传感网主要是指采用GPS、测量机器人、倾斜传感器、位移传感器、温度和气压传感器、全景相机、CCD相机、视频传感器、RFID传感器、地面3D激光扫描仪和地基SAR等测地型传感器和测地辅助传感器,应用计算机网络和无线通信技术,通过传感器和数据库管理软件构建的地学传感网。矿山地面灾害精准监测地学传感网的理论,主要包括:矿山时空监测基准、矿山地面灾害监测地学传感网数据整合、监测空间数据聚类分析、矿山监测功能分区、矿山区域动态形变场理论和矿山地学传感网地理信息系统模型理论。 技术体系主要包括:监测空间数据库管理技术、数据通信传输技术和传感网地理信息系统平台技术。     

InSAR电离层校正中的平滑处理探究

针对距离向频谱分割法（range split-spectrum,RSS）进行InSAR电离层校正中多视视数和滤波窗口尺寸两种平滑处理参数选择较为主观的问题,采用国际参考电离层（international reference ionosphere,IRI）模型,通过目视对比和统计分析来评价RSS与IRI的相似性,并综合电离层分布特点为RSS平滑参数的选取提供一种相对客观的方法。最终为两对ALOS-2 PALSAR条带数据选取32×16的多视视数和600像素尺寸的滤波窗口,取得较好的InSAR电离层校正结果,验证了以IRI模型作为参考选取RSS平滑参数在无地表形变区域和缓慢地表形变区的可行性。     

广义S变换在地震数据处理中的应用与展望

总结了目前常见的广义S变换类型、原理与特点,归纳了现今广义S变换在时频域滤波去噪、时频谱分解、初至波识别与拾取及面波干扰压制等地震资料处理方面的研究成果。最后,展望了广义S变换在地震弱信号识别与提取、地震资料精细时变滤波、面波频散特性分析、背景噪声成像等研究方面的应用潜能。