大坝变形分析周期均线系统模型的应用研究

针对大坝变形问题,提出周期均线系统模型,给出"沉降活跃度"的概念。以某抽水蓄能电站大坝为例,采用模型结合沉降活跃度进行单测点的变形分析,进而采用聚类分析方法绘制大坝的整体沉降活跃度分布图,结合各测点的累积沉降量值,直观地分析大坝的变形趋势,实现单测点与多测点相结合的分析模式。结果表明,应用周期均线系统模型配合沉降活跃度分布图,可较容易掌握大坝的变形信息,为大坝的变形分析提供一种行之有效的方法。     

神经网络融合模型在大坝安全监控中的应用

为了提高大坝安全监控模型的预测精度并检验模型的泛化能力,研究大坝安全监控的统计模型、BP神经网络模型及遗传神经网络模型,并提出基于这两种神经网络的融合模型,结合某拱坝长期的变形观测数据,对上述几种模型进行试算。分析结果表明,所建立的融合模型与其他模型相比具有较高的预测精度,且泛化能力较强,具有良好的适用性。     

时空自回归模型在大坝变形分析中的应用

变形监测分析的模型与方法主要是针对单点时序的分析,建立大坝位移自回归模型可实现大坝位移预测预报,但传统自回归模型都是针对单测点进行的,这意味着需要对所有的测点进行建模,将会造成大量模型冗余.而大坝作为一个整体结构,测点间的位移在空间上是相互关联的。单点自回归模型并未考虑着这种相关性,为了考虑测点间的这种空间相关性并建立统一的模型,本文采用时空自回归方法对五强溪大坝位移监测数据进行整体分析,建立了大坝位移的时空自回归模型。通过对大坝引张线测点的建模与预测分析,结果表明时空自回归模型在时间和空间上都可以对位移监测数据序列进行较好的拟合与预测。     

基于神经网络的大坝位移模型分析

结合某大坝工程实测数据,建立该大坝位移量和相关因子的逐步回归模型和神经网络模型,并对两者模型结果进行比较,结果表明神经网络方法在大坝变形分析和预报方面效果良好。     

高拱坝多效应量改进型D-S证据理论融合模型

针对目前高拱坝监测资料分析中单效应量分析方法存在的不足,将数据融合技术中的D-S证据理论引入到高拱坝多效应量融合建模之中,提出了一种适合于高拱坝D-S证据融合评价的新的融合系数运算公式,建立了基于改进型证据理论的高拱坝多效应量融合模型。工程实例分析表明,该方法合理、可行,并可降低高拱坝安全评价中的不确定性与未知性。     

基于基因表达式编程的大坝位移强度聚类分析研究

在水利水电事业不断发展的今天,大坝的变形监测显得尤其的重要。大坝变形监测的最终目的是通过监测点的变形数据来预测大坝变形未来的变形量。这也是传统的大坝变形监测常用的预测方法,然而这些方法都只是针对单个监测点进行预测,却不能反映大坝的整体形变。对于大坝整体变形的研究方面,虽然出现了一些有关多测点的研究方法,但距离大坝整体变形的目标还是相差甚远。针对这种情况,本文提出用聚类分析的方法来研究大坝整体变形规律。并将具有高效的全局搜索能力和高效的数据挖掘能力的进化算法---基因表达式编程算法用于聚类分析模型的建立中。提出基因表达是编程的大坝位移强度聚类分析模型。通过实例证明该模型能够反映大坝的整体变形规律。     

LS+AR组合模型在大坝变形预报中的应用

针对大坝变形监测数据的年周期性特点,建立了大坝变形监测序列的拟合外推模型,提出了利用最小二乘外推(LS)与自回归(AR)组合模型预报大坝变形监测数据的方法。通过实验比较说明,LS+AR组合与AR模型相比,在大坝变形监测的预报精度上有一定程度的改善。     

基于Matlab工具箱的神经网络在大坝变形区间预报中的应用

进行基于人工神经网络的大坝变形区间的分析与预报研究,运用Matlab工具箱建立BP神经网络模型,进行大坝变形区间的分析与预报,并与传统的逐步回归预报方法进行比较.结果表明,BP神经网络用于大坝变形区间的预报是可行的,在预报效果上优于逐步回归方法.     

融合混沌残差的大坝位移蛙跳式组合预报模型

针对大坝位移监控统计分析中拟合残差序列内蕴的混沌成分,以及传统算法在挖掘监测信息时的优势单一性,结合常规优化算法特点,运用蛙跳算法(shuffled frog leaping algorithm,SFLA)在确定子模型最优权重的基础上,建立了基于SFLA的大坝位移组合预报模型。考虑到统计分析中拟合残差序列的混沌特性,利用相空间重构及混沌理论对位移残差序列值进行分析与预测,并将其残差预测项与SFLA组合模型预测值进行叠加,据此,提出了一种融合混沌残差的大坝位移蛙跳式组合预报方法,并研制了其考虑混沌残差的大坝位移蛙跳算法的实施程序。实例分析表明,所建立的模型与方法相对传统方法在拟合精度及收敛速度方面较优,其模型预报能力有明显提升,这也为其他水工建筑物安全监控模型中位移等效应量的预报分析提供了新方法。     

应用时间序列方法作大坝变形预报

本文首先介绍时序分析的三个基本模型——ARMA模型、AR模型和MA模型,以及各模型的统计性质。然后以某大坝1715廊道的激光视准线观测位移值(已利用倒垂观测把相对位移化为绝对位移)为例,着重叙述大坝变形分析的建模过程,得到了一个AR(2)模型并对大坝变形作了预报,结果具有相当好的预报精度。从而说明,时序分析法将是大坝变形分析的一个有力工具。     

融合空间关联性的特高拱坝位移概率性预测模型

基于机器学习语言建模时,传统方法仅以拟合均方误差（mean square error,MSE）最小为单一优化目标,容易引起过拟合问题。对此,基于关联向量机（relevance vector machine,RVM）,建立了融合变形空间关联性的双优化目标约束下的概率性预测模型。利用形状相似度（shape similarity index,SSI）对拱坝变形的空间关联性进行量化,并将单测点MSE和区域变形SSI相融合,共同作为RVM模型的训练优化目标,以期实现MSE尽可能小,而SSI尽可能大。以锦屏一级拱坝为例,预测均方根误差和最大误差的平均降幅分别为31.2%和24.8%,使用多核函数之后,模型预测性能进一步提升;RVM模型的预测置信带宽明显小于多元回归模型,平均降幅为75.1%,这表明双目标RVM模型可有效提升特高拱坝位移预测的精度和稳定性,并降低不确定性。     

点云辅助GB-InSAR影像与地形数据应急变形监测方法

将采用地面三维激光扫描(terrestrial laser scanning, TLS)、地基合成孔径雷达干涉测量(ground-based interferometric synthetic aperture radar, GB-InSAR)和无人机航空摄影测量（unmanned aerial vehicle photography, UAV）的综合遥感方案应用于崩塌体应急监测。引入迭代最近点法（iterative closest point, ICP）,首先实现TLS点云和UAV影像离散点云配准;然后,利用几何映射方法实现GB-InSAR二维形变图与TLS点云三维匹配;针对崩塌体应急缺少人工目标辅助校正几何映射偏差的问题,综合目视解译以及峰值相关性分析提取各数据间的同名特征点,根据同名特征点计算空间坐标变换参数,建立变换方程来完成误匹配纠正。利用所提的匹配方法处理模拟数据及某滑坡崩塌残余体实际监测数据,结果表明实测匹配精度达像素级,满足应急监测需求。     

融合单视线D-InSAR和BK模型的煤矿地表三维变形动态监测方法

合成孔径雷达差分干涉测量（differential interferometric synthetic aperture radar, D-InSAR）在获取地表形变的过程中有其特有的监测手段,针对D-InSAR矿区地表三维变形监测的难点,首先,顾及D-InSAR难以获取快速大梯度变形的特性,选取边界拟合度较好的Boltzmann函数模型,结合Knothe时间函数,构建一种BK(Boltzmann-Knothe)模型;然后,由于D-InSAR仅能获取地表沿视线向（line of sight, LOS）的短时段一维变形量,依据地表三维移动变形和LOS向变形的投影关系,结合目标区域地质采矿条件,构建适应短时段单视线向变形的适应度函数;最后,引入烟花算法（fireworks algorithm, FWA）,提出了融合单视线D-InSAR和BK模型的煤矿地表三维变形动态监测方法。模拟实验表明,所提方法能够可靠准确地反演出全部开采沉陷动态预计参数,求参相对误差为0.11%～7.51%;在大变形区域,该方法监测的下沉和水平移动与真实值一致。抗差求参实验结果表明,在观测误差或模型参数误差的影响下,该...     

基于最优分解模态和GRU模型的库岸滑坡位移预测研究

在滑坡位移综合预测研究中,常因滑坡随机位移分量无法准确提取、最优训练数据集及时效性无法确定等,造成多源监测数据利用不充分、位移预测结果不稳定。鉴于此,引入变分模态分解,在滑坡位移时序分析的基础上,结合门控循环单元递归神经网络,提出一种新型滑坡位移综合预测模型。以三峡库区白水河滑坡为例,选取2003-07—2012-12的位移监测数据和同时期库水位及降雨数据进行分析研究,综合模型预测结果的均方根误差为9.715 mm,判定系数为0.967。对比实验分析表明,该模型在保证高预测精度的同时,在有效预测时长和时效性上同样优势明显,在库岸滑坡位移预测研究中具有很强的应用和推广价值。     

基于虚拟参考站的GNSS滑坡变形监测方法及性能分析

全球导航卫星系统(global navigation satellite system,GNSS)技术在大坝、桥梁、滑坡等形变监测领域应用广泛。针对传统监测方法需要架设基准站、导致监测成本增加的问题,提出一种基于虚拟参考站的GNSS变形监测方法,利用连续运行参考站(continuously operating reference stations,CORS)观测数据,生成虚拟参考站(virtual reference station,VRS)代替实体参考站,实现高精度变形监测。利用中国云南省屏边苗族自治县约30处滑坡监测点进行实验分析,结果表明,当CORS基准站间距小于40 km时,双差对流层和电离层延迟模型内插精度优于10 mm,利用观测时长大于8 h的数据,可以实现平面精度优于5 mm、高程精度优于10 mm的形变监测。     

利用车载双天线InSAR系统监测公路边坡形变

星载差分合成孔径雷达干涉测量(differential interferometric synthetic aperture radar,DInSAR)技术已经广泛应用于大范围的地表形变监测,但星载合成孔径雷达（synthetic aperture radar,SAR）数据获取的地表形变易受大气噪声的影响,且长时间的重访周期会导致像对之间的失相干。为了有效减弱这些影响,提出了利用零空间基线的车载合成孔径雷达干涉测量(interferometric synthetic aperture radar,InSAR)系统监测公路边坡形变的方法。在车载双天线系统采集不同时相的公路边坡SAR数据时,通过轨道控制使得异时相干涉对的空间基线接近零,从而使得利用DInSAR数据进行形变信息提取时可以减少去平地相位的过程,极大地简化了差分干涉处理的流程。以中国湖北省武汉市某区域获取的车载双天线InSAR数据为例,使用所提出的方法对7个布设的角反射器点进行形变精度分析,得到形变值均方根误差为2.206 mm。     

一种新的北斗卫星钟差预处理方法

为了提高卫星钟差预报的精度,针对钟差数据中量级较小的误差,提出了一种基于中位数的小波阈值法钟差数据预处理策略。首先,利用小波阈值方法将钟差数据进行分解,得到分解后的高频系数和低频系数。然后,利用中位数法处理各层影响阈值设置的高频系数,通过处理后的高频系数计算阈值,从而提高小波阈值法剔除小异常值的能力。最后,用北斗二号卫星钟差数据进行了验证,结果表明,利用所提方法处理后的钟差数据建模,小波神经网络（wavelet neural network,WNN）模型预报的精度提高约14.1%,预报稳定性提高约19.7%。该方法可以有效剔除钟差历史观测序列中量级较小的误差,改善钟差数据质量,从而提高模型钟差预报的精度。     

一种联合估计形变和大气误差的改进LiCSBAS方法

多时相InSAR(interferometric synthetic aperture radar)技术以其大范围、高时空分辨率、可以获取毫米级甚至亚毫米级形变信号等特点,被广泛应用于大范围地表沉降监测。针对目前时序分析在获取研究区影像和数据预处理上耗时量大的问题,利用LiCSAR(looking inside the continents from space with synthetic aperture radar)产品,采用时序分析新方法 LiCSBAS提高了解算效率。该方法采用整体干涉对质量检验和相位环闭合差,探测二维相位解缠存在的解缠误差,剔除相干性较低的干涉对和大误差像元。为了减弱大气误差的影响,利用通用型大气改正在线服务产品进行大气误差改正,并在此基础上提出了一种形变参数和大气相位联合估计方法。以成都平原地区和西部山区为例,获取2016—2020年共90景影像进行时序分析新方法实验研究。结果表明：（1）提出的联合估计算法在地形起伏明显地区可以有效地抑制大气误差的影响,同时在大气效应不明显的地区也不会错估而引入相位误差;（2）监测的大部分区域表现较为稳定,年际沉降形变速率...     

一种地铁轨道相对变形检测与定位方法

利用三维激光扫描所得点云数据识别并提取轨道高程,引入轨道不平顺的研究方法,定义了用于描述不同期之间轨道局部相对位置关系的线状结构局部相对变形波动性指标,提出了基于小波分解和平滑伪维格纳-威尔分布的异常局部相对变形提取方法.小波分解具有放大轨道相对变形特征和缩小频段范围的作用,可确定异常局部相对变形的波长.维格纳-威尔分...