基于一种组合模型的地铁监测数据处理

地铁自动监测数据含有较多随机误差成分,可以利用卡尔曼滤波对其进行处理,从而获得真实、稳定的地铁形变信息,然后基于支持向量机法对滤波后的地铁监测数据建立预测模型,并与实际L3水准结果以及BP神经网络预测结果进行比较。结果显示,卡尔曼滤波能够显著降低原始数据中的随机噪声成分。与BP神经网络相比,支持向量机方法预测精度提高了50%。采用不同监测数据量对K-SVM预测精度进行研究,结果表明,在监测数据较少时,增加监测数据能够显著提高预测精度,而当监测数据量大于20时,K-SVM预测模型的已知数据需求达到饱和,能够获得最优预测结果。基于K-SVM的地铁自动监测数据的处理和预测能够更加准确地预测地铁真实形变,为地铁安全监测、预警提供更加可靠的信息。     

地铁车站变形监测技术及数据处理方法研究

南水北调总干渠下穿北京地铁1号线五棵松站工程取得圆满成功。本文介绍了该工程中对地铁车站采用的人工监测与自动化监测相结合技术以及对监测数据的奇异值检验和GM(1,1)模型模拟预测的处理方法。实践证明,本文提出的方法能较好的完成地铁结构沉降检测和模拟预测,并实现检测数据奇异值的有效处理。     

GNSS 监测数据预处理在变形预测中的应用

GNSS监测技术被广泛应用于变形监测工作中,但GNSS监测数据中会有缺失值、噪声等误差的存在,对预测结果造成影响。引入改进的小波神经网络模型进行变形预测,并考虑该模型的自适应性和容错性,分别采用三次样条插值法、小波滤波法和拉依达准则对原始监测数据进行缺失值填补、去噪和粗差剔除等预处理。并利用实际监测数据进行短期预报分析,对比原始监测数据和预处理后的监测数据的预测结果,结果表明预处理后的监测数据的预测效果更好。     

基于小波变换与ARMA模型的建筑物沉降预报

对建筑物进行沉降监测并预报其变化趋势,能有效保障建筑物的安全性。本文提出一种基于小波变换的ARMA模型用于建筑物沉降预报。利用小波多尺度分析将沉降监测数据分解为高频信号和低频信号,并分别采用ARMA模型进行预测,然后将各序列预测结果进行合成,得到最终预测结果。并以青岛市某高层建筑物监测数据为例,分别采用传统ARMA模型以及基于小波变换的ARMA模型进行预报对比分析,结果表明基于小波变换的ARMA模型取得了较高的预报精度。     

PSO优化的分数阶PFDGM(1,1)模型在变形监测预报中的应用

对于形变监测中大量的变形监测数据序列的拟合和预测精度不理想的情况,提出了采用粒子群算法优化的分数阶算子PFDGM(1,1)模型,以及对变形监测数据进行拟合和预测的新方法。通过粒子群算法选择拟合DGM(1,1)模型平均绝对百分误差最小的分数阶,构建了最优分数阶算子的PFDGM(1,1)模型。用典型的变形监测数据验证了优化模型,结果表明优化模型对变形监测数据的拟合和预测都达到了较高的精度。说明优化模型在变形监测数据的处理中具有可行性和有效性。     

灰色RBF在地铁沉降监测中的应用

随着城市发展,致使地铁沉降的因素越来越多,地铁沉降监测越来越重要。对此,本文基于灰色模型和RBF神经网络预测模型,对两者融合方法进行了研究。通过对某城市地铁沉降监测数据进行预报和分析,证明了灰色RBF神经网络模型预测精度优于单一模型预测精度,组合模型避免了灰色模型线性补偿的弊端、增加了数据利用率、增强了算法的鲁棒性,预报结果更加准确。     

维纳过程在基坑变形监测数据处理中的应用

基坑监测是保证基坑工程安全施工和运行的重要手段。基坑的变形受到较多外部因素的影响,很难用力学模型或经验公式进行计算和预测。本文引入维纳过程对基坑变形数据进行建模,然后,在历史监测数据的基础上利用卡尔曼滤波对基坑变形进行预测。应用实际监测数据和基于维纳过程的预测模型,进行了某基坑监测数据的预测实验。结果表明,该方法能够根据历史监测数据进行较为准确、高效的预测。     

建筑物沉降监测方案设计及数据处理

通过对某学校图书馆变形监测,阐述了变形监测的方法和意义。主要包括变形监测网的布设、测量方法的选取、监测数据的处理,以及建筑物的沉降分析。然后在EXCEL软件上绘制建筑物的沉降趋势图,并且预测分析平均观测量和每个点位。     

广州增步桥变形监测与数据分析

根据城市建筑施工变形监测的特点，介绍一种将传统的测量技术与现代测量技术相结合的监测模式以及广州市增步桥变形监测网的布设方式和监测方法，并对监测数据进行分析，说明建筑施工变形监测的必要性以及应注意的问题。     

城市地面沉降与地下水动态监测信息管理系统的建立与研究

地面沉降与地下水资源是深受关注的城市环境问题。借助计算机技术、GIS技术及虚拟现实技术对大量的多元的地面沉降与地下水动态监测数据进行科学化的管理、模拟预测和可视化分析是非常重要的。本文论述了建立城市地面沉降与地下水动态监测信息分析系统的基本框架、主要功能和特点。     

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。     

改进的残差修正DGM(1,1)模型在煤矿地表沉降预测中的应用

针对传统大地测量技术难以实施大范围矿区形变监测以及传统开采沉陷预测方法在实际应用中存在的不足，提出时序合成孔径雷达干涉测量(InSAR)和改进的离散灰色马尔科夫模型相结合的方法对矿区地表形变进行监测和预测。使用鄂尔多斯市某矿区哨兵1号(Sentinel-1)数据提取地表形变监测结果，并与同时期的全球定位系统(GPS)监测数据进行对比。将沉陷监测结果作为原始序列建立残差修正的离散灰色马尔科夫模型，预测矿区沉降。研究结果表明：研究区域地表形变明显，残差修正的离散灰色马尔科夫模型能较为准确地预测矿区沉降结果。     

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。     

PSO-SVR优化模型在基坑变形监测预测中的应用

提出了采用粒子群优化算法(PSO)的快速全局寻优特点,优选支持向量机回归模型的参数,利用PSO-SVR组合模型实现对基坑深部水平位移监测数据进行预测,并将其与BP神经网络预测结果与实测值进行对比。实验结果表明,PSO-SVR模型对基坑变形监测预测的准确度更高,预测值与实测值最贴近,更能反映倾斜监测的位移变化趋势,满足基坑变形监测预测的需要。     

变形监测在隧道施工变更设计中的应用

根据某高速公路隧道施工变形监测的实践,介绍隧道变形监测网的布设方法、精度要求以及监测工具和方法,着重探讨如何对监测数据进行处理,分析预测隧道变形趋势,并详细提出对"危险段"和"浪费设计段"进行变更设计的方法,确保隧道施工安全和工程质量。     

某露天铁矿边坡监测周期确定方法

露天矿边坡位移监测对矿山安全生产起着重要的保障作用,并且是一项长期的工作,监测周期确定的合理与否直接影响监测数据的现势性和人力、物力的投入力度。通过对矿山边坡变形进行阶段性分析,推导出不同阶段的周期计算公式,设定合理的观测周期,从而能及时地捕捉滑坡体的形状信息,并更准确地对滑动趋势进行预测。以鞍山某露天铁矿几年的监测数据为数据源,通过分析发现该方法计算的周期与矿山边坡滑动阶段性相符。所以通过该方法能更合理、科学地设定监测周期,避免以往设定周期的盲目性,对矿山监测工作具有指导性作用。     

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。     

基坑监测信息管理系统的设计与实现

以工程化管理的思想对监测信息进行管理,可以为基坑工程信息施工提供快速、准确、形象、直观的监测数据及分析与预测成果,能够较好地满足基坑监测数据快速处理、反馈的需要。详细阐述基坑监测信息管理系统设计与实现的过程。     

地质灾害监测数据综合处理与分析

地质灾害防治是通过大量的监测数据预测灾害变形趋势乃至预报灾害发生时间,其结果将为地质监测管理决策人员提供辅助支持,保障地质灾害监测预警工作顺利进行.分析了提高地灾监测数据综合分析和预测预报能力的必要性,基于数据质量分析、相关性分析、位移矢量图、切线角法预警预报等综合处理与分析技术,结合巫山县地质灾害监测预警示范站地质灾...     

面向城市规划决策的地理国情数据挖掘——以北京市城市规模模拟为例

随着地理国情普查和监测的推进,信息量激增,数据挖掘方法和社会化应用工具不断进步,为解决规划决策中的资源分配率低、不确定性高等问题提供了得天独厚的优势。在北京市疏解非首都功能、推进京津冀地区协同发展的大背景下,以地理国情监测数据为基础,以复杂地理计算思想为指导,提出了一种基于集成学习的自适应元胞自动机模拟模型并应用于北京市城市规模演变的模拟。通过对比2015年北京市的预测结果与真实数据发现,相较于传统基于经验统计模型的元胞自动机模型,本文提出的模型预测精度更高。最后本文以2007年和2015年的北京市地理国情监测数据为模拟和训练数据,在假定当前社会经济发展速度不变的情况下,对2023年北京市城市规模作出预测,并找到北京市城市规模的演变规律,识别未来潜在的城市扩展热点区域,最终为城市规划的决策者提供"疏解"北京市的数据支持和现实路径。