顾及地下水位因子的卡尔曼滤波模型在滑坡变形预测中的应用

介绍了白水河滑坡的地质环境和监测系统。将滑坡变形看作是时间和地下水位的函数,使用泰勒级数建立滑坡变形与时间和地下水位的函数关系,并将泰勒级数的余项及时间变化的二次方和地下水位变化的二次方的系数的变化量等看作数学期望为0的动态噪声,建立了卡尔曼滤波模型,并用于滑坡变形的预测预报。实例计算表明,模型的拟合效果和预测效果较好。     

顾及开挖深度的卡尔曼滤波模型在基坑变形分析中的应用

基坑开挖深度是影响基坑变形的重要因素,在建立监测数据与基坑开挖深度之间的关系模型的基础上,将关系模型的模型参数作为状态向量,应用卡尔曼滤波模型埘状态向量进行滤波,构建了顾及基坑歼挖深度的动态变形分析模型.实例分析表明,应用这种方法确定的数学模型能够客观地反映基坑的变形规律,而且预测效果也比较理想.     

自适应卡尔曼滤波在建筑物变形监测中的应用

卡尔曼滤波由于能够实时快速地处理大量的变形数据,并能够预测下一时刻的变化状态等特点,被广泛应用于多个领域的动态数据处理。本文论述了方差补偿自适应卡尔曼滤波模型,将自适应卡尔曼滤波模型应用到光纤光栅动态变形监测上,基于MATLAB编程实现模型的建立并运用该模型对建筑物变形进行分析与预测,取得了较好的效果,证实了方差补偿自适应卡尔曼滤波在滤波和预测方面的可行性。     

基于建筑物地表沉降数据的变形预测方法比较

为了研究隧道周边建筑物地表的变形,本文根据京东方蒸汽管道工程隧道开挖过程中周边建筑物地表的沉降观测数据,利用二次指数平滑法和灰色系统法建立数学模型,分别对建筑物地表做变形预测,并对预测结果进行分析和对比,结果显示二次指数平滑法的预测精度更高。对于隧道周边建筑地表沉降的预测二次指数平滑法效果更好,比较符合实际变形曲线,相对来说是一种较好的变形预测方法,为隧道的开发过程中防止安全事故的发生、避免经济损失和人员伤亡提供一种参考方法。     

支持向量机在建筑物变形监测中的应用探讨

论述了支持向量机的回归算法和基于时间序列支持向量回归的建筑物变形预测方法,并用MATLAB6.5工具箱编制基于时间序列支持向量回归程序,建立了基于时间序列支持向量回归模型。最后以实例数据讨证基于时间序列支持向量机回归模型的预测方法。研究表明:用时间序列支持向量回归模型建立的建筑物变形监测的预测模型是可行的和有效的。     

小波神经网络模型在高层建筑物沉降预测中应用研究

为了提高变形监测数据预测的精度与可靠性,以及提高人工神经网络预测方法的稳定性,尝试将小波分析与BP神经网络相结合的小波神经网络应用于高层建筑物沉降监测数据处理中。综合小波分析与神经网络算法的优点,将良好的时频局域化特性和神经网络理论的自学习功能相结合,建立高层建筑物的小波神经网络变形预测分析模型。通过实验数据对比分析,小波神经网络用于高层建筑物沉降预测数据处理中可以得到更好的预测效果,预测稳定性及预测精度较高。     

一种基于泰勒级数展开的电离层延迟改正模型

针对电离层延迟误差对定位精度的影响,本文将泰勒级数展开应用于电离层延迟的求解过程中,提出了一种基于泰勒级数展开的电离层改正模型（TSE模型）。将该模型与传统的Klobuchar模型和NeQuick模型在VTEC的求解精度和定位精度上进行了对比分析,用IGS网站提供的测量数据,通过仿真试验验证,得出了TSE模型在提高定位精度上具有较好的可行性与时间适应性的结论。     

一种改进U-Net的遥感影像建筑物提取方法

针对高分辨率遥感影像信息复杂浅层网络难以对其目标物特征信息充分学习,图像因裁剪导致边缘信息损失使得模型对图像边缘预测效果较差的问题,该文将U-Net收缩路径加深以增强网络对特征信息的学习能力,并加入随机失活函数(Dropout)层抑制过拟合现象的发生,扩张路径中加入批量归一化层以提高网络训练速度,并将忽略边缘交叉熵函数与骰子函数结合构建联合损失函数作为本文模型的损失函数以提高模型对图像边缘的预测效果。实验结果表明：该文方法对建筑物边缘能够进行有效预测;对建筑物轮廓以及较小建筑物的提取较之SVM、主干网络为VGG的U-Net提取效果有所提高;并在应用扩展研究数据集中有着较好的表现。     

时变参数模型在边坡变形分析中的应用研究

为揭示边坡变形规律,保证边坡安全,采用数学模型对变形监测资料加以分析。边坡变形的时效性明显,为提高灰色模型对边坡不同变形规律的适应性,提高模型的拟合精度和预测能力,对常规的灰色模型进行改进,将常规灰色模型中的常量参数改变为随时间变化的动态参数,由此建立时变参数灰色模型。实例分析结果表明,时变参数模型具有更好的拟合和预测效果,且适应不同变形规律的能力更强。     

灰色预测与Kalman滤波在建筑物沉降变形分析中的应用

沉降变形分析与预测对于建筑物的安全运营具有重要作用,建立科学、合理的预测模型对于变形分析极其重要。本文运用GM(1,1)模型与Kalman滤波模型对建筑物沉降变形进行预测。通过实例对比分析表明,GM(1,1)模型较适合短期且变形趋势呈线性或指数分布趋势的变形分析与预测;Kalman滤波模型对短期和较长周期呈波形或线性变形均具有较高预测精度。