北斗与GPS大坝变形监测精度比较分析：以三峡茅坪溪防护坝为例

以三峡茅坪溪防护坝为研究对象,对北斗与GPS大坝变形监测精度进行了对比分析。结果表明,目前北斗与GPS变形监测精度基本相当。其中,24 h时段解平面精度优于0.5 mm,高程优于1 mm,4 h时段解精度平面优于1 mm,高程优于2 mm。使用单一北斗系统能够达到毫米级的观测精度,满足大坝外观变形监测的相关技术要求。     

GBInSAR在大坝变形监测中的应用

评判水工建筑物的工作性态,需高精度的变形、应力等信息。根据大坝安全监测特点和要求,介绍GBSAR监测系统构成和测量基本原理,分析该系统测量误差来源及特征,探讨该技术在大坝变形监测中的可行性。以隔河岩大坝3d的实测数据为例,分析该技术实际测量精度,研究显示成果达亚毫米级,能够满足大坝变形监测的精度要求。     

GPS地面沉降监测网主要误差分析及削弱方法研究

以珠三角地区地面沉降GPS监测网为例,通过分析GPS测量技术的主要误差来源,研究了有效削弱误差的方法,能够获得毫米级精度的高程成果;并通过与水准测量成果进行对比分析,验证了GPS监测网精度的可靠性和准确性,该技术可以在地面沉降监测中推广使用。     

CPⅢ技术在变形监测中的应用

CPⅢ控制网是直接控制无碴轨道施工的最后一级平面、高程控制网,已经在高速铁路建设中大量采用,其数据采集和数据处理技术已日趋成熟。文中结合重庆市某桥墩变形监测项目,介绍将CPⅢ技术应用于变形监测工程的操作流程。监测结果表明,CPⅢ后方交会测量精度达毫米级,能够满足大部分变形监测工程的精度要求。     

基于精密单点定位技术的大坝变形监测

针对大坝安全变形情况,本文利用GPS三频组合精密单点定位技术,对国内某大坝进行变形监测,并从定位精度、收敛时间以及大坝三维变形程度三个方面分析了精密单点定位技术在大坝变形监测中的可行性与有效性。经研究发现,在开始监测30min之后精密单点定位开始收敛,定位精度可以达到毫米级,对收敛后的时间段数据分析发现大坝水平向和竖直向变形位移在3mm之内,精密单点定位技术可以精确获取大坝三维变形情况,可为今后的大坝安全变形监测提供一种可靠的技术手段支撑。     

提高矿区开采沉陷变形监测快速定位精度方法探讨

为提高矿区开采沉陷变形监测GPS-RTK快速定位的精度,通过对GPS-RTK基准站位置的选取和转换参数选择的实验,研究在使用GPS-RTK进行测量的过程中,提高在矿区开采沉陷变形监测中GPS-RTK快速定位测量的数据精度,并用实例与E级GPS网获取的静态定位数据进行对比,实验证明可以达到一级导线的精度要求。     

二塘沟水库施工控制网平面坐标系的建立和观测

通过对二塘沟水库库区地理位置的分析,得出该地区每公里变形值较大,为满足施工放样精度及业主建设水库的进场公路和下一级水库规划使用的要求,根据二塘沟现有的测绘资料,建立了二塘沟水库施工控制网平面坐标系。采用三等GPS网进行观测,通过统计测量精度,得出该测量精度高等优点。     

全球定位系统(GPS)技术的最新进展 第三讲 GPS在变形监测中的应用

介绍了利用GPS进行变形监测的优缺点以及长期连续监测和间断复测两种监测模式。并以隔河岩大坝外观变形GPS自动监测系统和龙羊峡水电站近坝库岸滑坡监测为例，介绍了这两种监测模式的特点、精度及其应用范围。     

GPS技术在万州明镜滩滑坡监测中的应用

GPS定位技术的发展为边坡变形监测提供了一种简便可靠的手段。本文阐述了应用GPS技术提取地表变形信息和GPS数据处理的方法,结合重庆市万州区明镜滩应用GPS监测网进行滑坡监测的实践,研究了在地形复杂、观测条件恶劣的山区进行GPS滑坡变形监测点位选择、监测网布设和数据处理的方法。监测结果表明,GPS变形监测的精度可达到亚厘米级,完全可以应用于滑坡变形监测。     

广州新光大桥变形监测控制网试验

以广州新光大桥为研究对象,对其变形监测控制网的布设进行试验研究,包括桥梁高程监测控制网测量的方法和精度分析、桥梁平面监测控制网测量的方法和精度分析以及桥梁关键监测点位置布设研究。其中在高程监测控制网测量中,分别采用了跨河水准测量、测量机器人三角高程法测量、GPS测高3种方法进行比对实验;在平面监测控制网测量中则采用高精度测量机器人和GPS两种方法进行比对实验。由试验结果,得出结论,为同类项目的开展提供有益的借鉴。     

改进蝙蝠算法优化极限学习机的大坝变形预测模型分析

针对大坝变形监测数据中存在的非线性关系强和传统大坝预测模型精度不高等问题,本文利用改进蝙蝠算法选取最优的参数作为极限学习机的连接权值和阈值,并提出了一种基于改进蝙蝠算法（IBA）优化极限学习机（ELM）的大坝变形预测模型（IBA-ELM）。将IBA-ELM模型应用于工程实例,通过对某地水库大坝监测数据预测分析,验证IBA-ELM模型、BA-ELM和GA-ELM模型预测结果并进行精度评价,3种模型的预测值与实测值平均绝对误差分别为1.178 3、0.459 8、0.335 6 mm,IBA-ELM模型的预测精度高于另外2种模型,表明IBA-ELM模型能有效提高大坝变形预测能力。     

GNSS自动化监测系统的大坝变形预测方法研究

以GNSS自动化监测系统的大坝变形预测方法为主要研究目的,针对大坝GNSS自动化监测数据大样本、高采样率、连续等特点,提出了一种结合小波分析与BP、NAR神经网络预测大坝变形的新方法。利用多尺度小波分析对GNSS大坝变形数据序列进行分解与重构,对重构后的低频近似序列采用BP神经网络进行建模预测,对重构后的高频细节序列采取NAR动态神经网络进行建模预测,最后叠加各尺度下预测结果获得大坝变形预测值。应用结果表明,该方法预测精度高、泛化性能好,可广泛应用于采用GNSS自动化监测系统的大坝变形预测。     

深度学习在大坝变形预测中的应用研究

大坝时间序列变形的高精度预测对于大坝运行维护及保护人民生命安全显得尤为重要。本文以某大坝113期变形时间序列数据为实验,提出了一种深度学习中的循环神经网络(LSTM)方法来进行大坝变形预测,将实验的结果与机器学习中NAR神经网络和ARIMA自回归移动平均模型的预测结果进行对比,LSTM、NAR和ARIMA模型的均方根误差(RMSE)分别为0.392 5、0.573 7、1.298 7;平均相对误差(MRE)分别为0.0498、0.1046、0.1878;R^2系数分别为0.932 3、0.822 1、0.247 7。从上述结果对比可知,LSTM时间序列预测模型的精度更高且稳定性更好,可作为后续大坝变形预测的一种新的思路和探索。     

基于EMD-NAR神经网络的大坝变形预测

为了使大坝变形的预测精度更高,针对大坝形变量的时间序列中存在着非平稳和非线性等曲线特性,使用一种经验模态分解(EMD)和非线性自回归动态神经网络(NAR)相结合的EMD-NAR模型对大坝形变时间序列进行预测。以某大坝实测的时间序列数据为算例,分别使用BP模型、NAR模型和EMD-NAR模型进行实验对比,结果表明,BP、NAR、EMD-NAR模型预测的均方根误差(RMSE)分别为0.9449,0.6993,0.4678;模型预测的平均相对误差(MRE)分别为0.1492,0.1065和0.0688,从三种模型预测结果对比可知,组合的EMD-NAR模型预测精度最高且稳定性最好,为时间序列的大坝形变预测提供一种新的参考思路。     

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。     

一种基于 BP 神经网络的尾矿坝沉降预报方法

基于BP神经网络建立尾矿坝沉降预报模型,重点对BP神经网络的拓扑结构和学习算法进行研究。并以某尾矿库初期坝的沉降监测数据为例,对模型的拟合、预测精度进行验证。实例表明,BP神经网络自学习、自组织能力强,具有极强的线性逼真能力,能够准确地反映输入、输出变量之间的非线性关系,有效地表征尾矿坝的沉降变形规律,对即将发生的变形情况做出科学、合理的预报。     

谱分析在GPS自动化监测系统中的应用研究

利用快速Fourier变换，将形变监测资料和库水位、温度等数据从时域转到频域内进行分析，研究库水位、温度变化速度与大坝变形速度的关系。及时反映大坝变形规律和变形原因，并研制了相应的软件。     

Correlation －SVM 模型在大坝变形预测中的应用

引起大坝变形的影响因素很多,即在利用支持向量机（ SVM）模型进行大坝变形分析和预报的过程中,需要将所有的影响因子都输入到SVM模型中,这样会造成输入因子的不侧重性,基于此,本文对大坝变形的影响因子进行相关性分析,根据大坝变形影响因子和大坝变形量之间的关系来确定最优的影响因子,即将比重比较大的影响因子输入到SVM模型中,从而提高了SVM模型运行效率及预测的精度和速度。     

宝钢引水库大坝水平位移监测评价和变形分析

本文对宝钢引水库大坝的水平位移监测网的布设方案,采用灵敏度和可靠性准则进行了网的优化设计计算,从监测网的质量准则出发,对布网方案作了若干探讨。从二十五期观测资料中选出十三期进行了水平位移计算和变形的几何分析。指出,在变形分析中正确选取基准的重要意义和据多期位移值进行变形预报的一些方法,并定性地讨论了该大坝变形的物理解释。本文所作的工作对类似大坝的水平位移监测和成果处理具有实际意义。     

基于GA-LMBP网络模型的小浪底大坝3维变形预报分析

BP神经网络在大坝监测资料分析处理中有广泛的应用,本文针对改进的BP神经网络:LM-BP网络模型的不足,采用遗传算法加以改进,建立了一种基于遗传算法和LM-BP网络模型的大坝3维变形预报模型GA-LMBP网络模型。将GA-LMBP网络模型应用于小浪底大坝3维变形预报分析中,取得了很好的预报效果,证明了GA-LMBP网络模型是一种行之有效的大坝变形分析预报模型。