基于自回归分布滞后模型的地面沉降预测

地面沉降与地下水水位变化不同步,且地面下沉受自身影响较大,建立滞后作用下地面沉降预测模型,以某地区地面沉降为例进行模拟试验,并探讨模型拟合效果与预测精度。结果表明,自回归分布滞后模型的拟合效果较好,预测精度较高,可以用到地面沉降量计算中。     

基于库伊克模型的地面沉降预测分析

针对地面沉降与地下水水位变化的内在关系,考虑地面沉降受到自身变化规律的影响,建立基于库伊克变换的地面沉降预测模型,应用该模型对某地区地面沉降统计数据进行模拟预测,有效实现该地区地面沉降与地下水水位以及本身之间的定量模拟,并探讨模型的拟合效果和预测精度。结果表明库伊克模型拟合效果较好,预测精度较高,能较好地反映研究区域的地面沉降变形趋势。     

L ogistic 模型在地面沉降预测中的应用

随着城市大规模工程建设的开展,由此引发的地面沉降对区域生态环境、基础设施的影响不容忽视,地面沉降预测与控制是亟待深入研究的重要课题。研究表明,地面沉降基本经历发生、发展、成熟,最后到达一定极限沉降量的过程,这与Logistic模型反映事物的发展规律非常接近。文中建立地面沉降量Logistic预测模型,以某地区地面沉降实测数据为例进行定量模拟预测,结果表明,Logistic预测模型能很好的拟合沉降量—时间关系曲线,而且能够对地面沉降进行较为准确的预测。     

GM-AR模型在城市地面沉降预测中的应用

随着城市的现代化进程,地面沉降已广泛发生在世界各地,给人民生活和社会发展造成极大损失.GM(1,1)模型作为经典的地面沉降预测方法,不适用于随机型数据预测.将AR模型与GM(1,1)组合成GM-AR模型对城市地面沉降数据进行预测,预测值残差小于GM(1,1)模型,未来2、3期预测值小于1 mm,且趋势线更贴近实测值,效果优于传统的GM(1,1)模型.     

灰色精化模型应用于地面沉降预测

地面沉降是一个复杂的过程,较难建立准确的预测模型。传统灰色模型不能处理沉降观测值序列中的异常点,对于波动大的原始数列也没有精确预测,针对其背景值取值方法的不足,建立一种精化灰色模型(JGM(1,1)模型),分析预测结果和精度,表明该模型具有较高的预测精度和可靠性。     

BP神经网络模型在采水地面沉降中的应用研究

随着我国各项建设对水资源的需求越来越大,导致由地下水开采而引起的沉降问题成为当前研究的热点课题。本文对某矿区采水地面沉降进行了模型设计,通过对部分实测数据的训练,优选出该模型的网络结构和网络参数,并且用Matlab软件编程实现对其他监测点的计算和预测。通过研究表明本文所建立的BP神经网络模型能较准确反映采水地面沉降的规律,同时也能较准确地预测地下水开采引起的地面沉降。     

灰色预测模型在地面沉降中的应用

城市地面沉降已经成为城市发展的严重制约因素,很多城市都在积极采取控制沉降的措施.地面沉降趋势的预测可为地面沉降防控提供数据参考.本文基于天津某地区沉降监测数据,采用灰色理论建立GM(1,1)模型对沉降趋势进行预测.结果 显示,利用灰色模型预测地面沉降具有较高的精度,能够在地面沉降的预测研究中发挥作用.     

地面沉降的灰色Verhulst模型及其应用研究

本文将灰色Verhulst模型引入地面沉降的研究之中,根据某地面沉降观测点的近20年数据建立地面沉降发展模型,并运用所建立的模型对地面沉降的发展态势进行了预测。     

基于TIN的土方计算在地面沉降预测中的应用

基于TIN的土方量计算,是依靠变形观测点建立三角网,利用地形表面TIN模型和设计表面TIN模型的叠加,求出在两个表面上对应的三角形单元所夹土方量,通过土方量的大小来间接地反映地面总体沉降情况,以便采用相应的预防措施。以土方量作为研究对象,选用泊松曲线模型对所得土方量数据进行拟合,建立预测模型,并进行精度评定。通过研究发现,该方法能较好地反映地面总体整体沉降情况,可以在地面产生不均匀沉降时,探求地面沉降变化的规律性。     

多项式曲线拟合与AR模型在沉降预测中的应用

将多项式曲线拟合和AR(p)模型应用到地表沉降预测实例中。通过实测沉降数据与预测数据的对比分析,从而对两种模型预测的准确性进行比较,实验表明两种模型在沉降预测中具有很好的适用性。     

顾及空间异质性的大范围地面沉降时空预测

大速率、不均匀的地面沉降已经威胁到人类的生产活动,高精度的沉降预测结果对于地质灾害的精准防控具有重要意义。为掌握地面沉降的演化规律,利用现场观测数据或InSAR数据开展了多项预测研究。然而,由于空间异质性的存在,大范围地面沉降的准确预测仍然是一项挑战。在这项研究中,从数据驱动的角度提出了一种顾及空间异质性的大范围地面沉降时空预测方法 STLSTM (Spatio-temporal Long Short-Term Memory)。首先,通过聚类识别地理空间中的均质子区;然后,在每个子区中,一个特别的长短期记忆LSTM (Long ShortTerm Memory)网络被用来捕捉局部位置的非线性特征;最后,利用预训练的网络对未来时刻的地面沉降进行定量预测。在实验部分,哨兵1号影像数据被用来比较STLSTM与其他8种基准方法的性能,利用空间统计指标分析了模型的有效性。结果表明,STLSTM在152 s内达到了最高的预测精度（71.4%）,且能够有效弱化空间异质性对大区域沉降预测任务的影响。总之,这项研究将空间异质性处理策略融合到深度学习模型中,实现了高精度、高时效的大范围地面沉降时空预测。     

220KV高压变电所地面沉降预测方法研究

连云港220KV高压变电所因地面发生大面积的沉降,直接影响运营安全。为了探究地面沉降的规律性,指导生产实践,本文以土方量作为研究对象,对220KV高压变电所地面沉降规律进行研究。在沉降区域内较均匀地布设一些能反映地面沉降情况的观测点,测定这些观测点的平面坐标,再定期对其进行沉降观测,求得每期观测点的高程值,从而得各观测点的三维坐标。利用南方CASS绘图软件具有的土方量计算功能,计算出每期沉降观测数据所对应的土方量。以土方量作为研究对象,选用Gompertz模型、双曲线模型、Logistic模型和指数曲线模型,利用1 st0pt软件对土方量数据进行拟合,建立预测模型,对研究对象进行预测并进行精度评定。通过研究发现,该方法能较好地反映地面整体沉降情况,与目前只针对个别点的沉降情况来研究地面沉降变化规律相比,具有明显的优越性。     

主断面沉陷曲线的复合幂函数模型

分析了现有的开采沉陷预计的剖面函数模型如负指数函数、双曲正切函数等模型具有表达式过于复杂,坐标原点、参数在实际使用时较难确定等缺点,研究了矩形采空区上方地表沉陷观测数据的特征,提出了一种新的开采沉陷预计的主断面拟合函数。这种新的拟合函数表达式简单,在实际工作中容易确定相关参数。某矿山的实测资料验证说明,提出的该拟合函数与实测资料吻合程度较高。     

混合模型在沉降监测中的组合预测方法

对建筑物沉降数据进行建模预测,以便掌握其变形规律并预测变形趋势,保障建筑物的安全。单一预测模型有自己的适用情形,也存在各自的缺点,已经不能满足当前的精度要求。选取灰色GM(1,1)和自回归两种常用的预测模型,通过两种不同的方式进行组合预测,并结合南京市地铁一号线百家湖段沉降监测数据进行计算分析,结果表明两种组合方法与单一预测模型相比精度均有所提高。     

时序InSAR郑州地铁沿线地面沉降分析

针对郑州市地铁网络缺少长时间序列的地面沉降研究,本文基于永久散射体合成孔径雷达干涉测量PSInSAR (Persistent Scatterers Interferometric Synthetic Aperture Radar)技术生成的长周期地面沉降数据分析了郑州市地铁沿线地面沉降的时空特征,并通过反距离内插等距化处理,基于长短期记忆网络LSTM (Long Short-Term Memory)模型对典型地铁站点地面沉降进行了预测与分析。研究结果表明：空间上,沉降路段主要集中在1号线和5号线的东段,最大沉降速率超过20 mm/a,且1号线沿线不均匀形变较为突出;时间上,不同区域PS点在时间序列上的变化有较大不同,沉降槽中心处沉降呈逐年扩大趋势。实验表明LSTM模型具有较高的预测精度,预测发现1号线市体育中心站南边河南省档案馆新馆北侧未来两年里仍将以大约0.5 mm/月的速率继续沉降,有必要对该站及其附近继续监测。