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。     

基于测量机器人的边坡安全在线监测系统设计研究

以SOKKIA NET05AXⅡ测量机器人为基础平台,结合边坡监测实际需求,以“工作基点后方边角交会+监测点极坐标测量”原理为基础,设计开发边坡安全在线监测系统,对系统的整体框架、拓扑结构以及业务流程进行详细设计,以期解决边坡监测过程中数据时效性较差、恶劣天气下无法监测等问题;并对极坐标测量原理及误差来源进行分析研究,得出误差来源主要包括测量机器人测角和测距误差、测量机器人与监测点之间的斜距和竖直角,然后通过某边坡监测项目对在线监测系统的稳定性及成果准确性进行综合验证,采用人工监测方法对自动化监测数据进行复核,结果表明：系统监测数据与人工复核成果基本一致,满足规范和边坡安全监测需求。     

基于GNSS的边坡自动化监测系统应用研究

边坡工程对安全性要求极高,对其进行变形监测是保证边坡安全运行的重要措施.GNSS技术具有数据实时采集、实时分析、可全天候观测、易于实现全系统的自动化等优势.以GNSS技术为基础,将其与计算机技术、数据远程传输技术相结合构建边坡自动化监测系统,并将其运用到边坡结构安全监测中.结果表明该技术在边坡监测中具有较好的应用效果,...     

B/S模式的边坡监测数据分析及安全预警系统设计与实现

公路边坡工程监测项目多,且监测数据量大,传统的数据库系统难以有效地进行管理。为及时处理监测数据,充分利用其进行边坡稳定性分析,采用动态网页技术(JSP)和WebGIS技术,开发了基于Browser/Server模式的边坡监测数据分析及安全预警系统,为数据的采集、存储、处理和分析提供统一的信息化管理平台,有利于对边坡工程的安全施工进行动态指导。     

顾及缺失值的因果图时空预测网络

时空预测是地理时空大数据挖掘的基础研究命题。目前,多种模型用于预测未知系统的时空状态。然而,存在的大多数预测模型仅在没有缺失数据的时空数据集上进行测试,忽略了缺失值对预测结果的影响。在真实场景中,由于传感器或网络传输故障,数据缺失是一个不容忽视的问题。鉴于此,本文提出了一种顾及缺失值的因果图卷积网络(causal graph convolutional network considering missing values, Causal-GCNM)模型用于时空预测。Causal-GCNM模型可以自动捕捉时空数据中的缺失模式,使得Causal-GCNM模型在不需要借助额外插值算法的前提下,可以直接完成时空预测任务。本文提出的模型在3种真实的时空数据集(交通流数据集、PM_2.5监测数据集及气温监测数据集)得到了验证。试验结果表明,Causal-GCNM模型在4种缺失条件(20%随机缺失、20%块状缺失、40%随机缺失及40%块状缺失)下仍然具有较好的预测性能,并在预测精度和计算效率两类指标上优于10种存在的基线方法。     

矿山边坡变形监测数据的高斯过程智能分析与预测

<正>矿产资源开采引发的地表塌陷、崩塌、地裂缝和地面沉降等矿山灾害给人类的生命财产安全造成严重的威胁,集成多传感器的自动化、智能化监测系统是矿山地面灾害监测的发展方向。以中煤平朔井工二矿边坡(简称二号井边坡)自动化监测系统作为研究案例,应用高斯过程(Gaussian process,GP)理论研究变形数据智能分析方法和预测模型,对矿山灾害进行防治提供科学依据。监测数据的可靠性是变形监测分析和预测的基础,针对原始观测数据可能存在的异常值,提出了完整搜索     

基于北斗卫星的边坡变形监测系统应用研究

为及时准确获取对边坡变形信息,本次研究采用基于北斗卫星定位的边坡自动化监测系统,对某边坡工程进行全天候自动化监测作业,并采用有限元软件Abaqus建立边坡模型,采用数值分析方法对边坡变形的敏感度区域进行分级划分,优化监测点布设位置,最好利用灰色系统分析方法对监测数据进行分析研究,分别建立边坡水平方向和竖向变形灰色GM(1,1)预测模型,并采用精度更高的水平方向预测模型对边坡变形趋势进行预测,效果较为理想,更加贴合边坡变形真值,为边坡工程的安全监测提供了可靠有效的解决方案。     

三维激光扫描技术边坡监测研究

本文介绍了三维激光扫描技术原理,给出边坡监测数据获取与处理的技术流程:首先用基于区域的分割方法对深度图像分割,用标志点匹配法进行点云数据匹配,然后利用滤波方法对点云数据进行简化,最后利用迭代最近点法(ICP算法)进行点云拼接。以某边坡的实际监测数据为例,采用Trimble GX200三维激光扫描仪获取点云数据,RealWork Survey Advanced扫描数据处理软件获得DEM数据。结果表明,采用本文技术可获取边坡的DEM及边坡形态,为边坡变形监测与灾害预报提供基础数据。     

沉降监测数据的非等间距GM(1,1)模型插补应用

科学、准确、及时地分析和预报建筑物的沉降状况,对其施工和运营极为重要,沉降监测的研究成果也是检验设计和施工的重要手段。由于自然环境的多变性、施工现场的复杂性等各种主、客观因素影响,监测数据有时会出现间断,为了分析沉降规律,需要对缺失数据进行插补。考虑到沉降监测非等时间间隔的特点,建立非等间距GM(1,1)模型及优化背景值的GM(1,1)模型,应用于沉降监测缺失资料的插补工作中,取得了较满意的监测间断数据插补值。     

大坝自动化监测数据粗差处理方法研究

以西南某电站自动化观测系统的监控数据为研究对象,分别利用3σ准则和分位数方法对其数据进行检验.首先,对于3σ准则,当一组被检测数据内有多个异常值时,会引起多判或少判异常值的错误;其次,对于分位数方法,只能修正下一时刻的粗差点,同样存在缺陷;最后,针对上述缺陷,提出了大坝自动化监测数据的粗差剔除方法,即关联分析法.     

改进的等维灰数递补模型预测边界确定方法

针对当前利用灰色预测模型进行地表沉降预测研究更多注重模型本身探讨而较少涉及预测值合理范围以及预测值时间响应函数的还原方法的情况,该文提出了一种改进的等维灰数递补模型预测边界的确定方法,采用了误差传播定律对预测值范围进行界定,并尝试利用中值近似处理代替累减生成建立预测值的时间响应函数;最后,结合工程实例给出了预测值上下边界,探讨了模型在误差允许范围内的预测步长,并对比分析了改进的等维灰数递补模型、原始的等维灰数递补模型和GM(1,1)模型。结果发现:改进的等维灰数递补模型具有较好的拟合效果与预测精度。     

IGS RTS钟差数据中断的实时修复方法研究

针对IGS RTS实时数据流产品在网络传输过程中普遍存在的数据中断问题,基于卫星钟差预报算法,文中提出实时"预报修复"方法,以钟差预报值实时修复发生中断历元的钟差数据.通过对RTS数据中断区间分布的统计分析,确定钟差预报的时间长度为5 min;采用改进的灰色系统模型,对不同时间长度初始数据的钟差预报结果进行对比,确定初...     

ASTER GDEM垂直精度评价及其在重力地形改正中的适用性

通过构建ASTER GDEM(advanced spaceborne thermal emission and reflection radiometer global digital elevation model)高程误差与影响因子间的关系模型,可对其高程精度进行有效校正。选取陕北黄土高原境内长武、宜君、甘泉、延川4个不同地貌类型的样区,以1∶5万DEM (digital elevation model)作为参考数据,经过数据预处理后,计算各点位高程误差值及相关地形因子和地表覆盖指数; 提取一定数量的采样点和检验点,引入随机森林回归算法,建立高程误差预测模型,以对高程精度进行校正,并与多元回归模型进行比较分析。实验结果表明,ASTER GDEM的高程误差特征与地形条件有较强的相关性; 随机森林回归预测模型整体上优于多元回归模型,具有较好的适用性与误差校正效果,可分别将长武、宜君、甘泉、延川的高程误差均值减小3.08 m、3.00 m、3.61 m和6.95 m。     

基于 MATLAB 与小波进行沉降数据处理与分析

结合小波分析的基本原理和MATLAB强大的数据处理能力与图形拟合能力,采用了小波时间序列预测模型与MATLAB中自带的拟合工具箱来进行沉降数据的拟合,并将该方法应用于黄冈市某大桥软土路基沉降监测的预测工作中。然后,对两种拟合方法进行了预测效果对比。从所得的结果表明：小波处理后的模型具有抗差干扰和粗差探测、剔除的优点,同时使用曲线拟合工具箱的拟合模型比常规模型更方便快捷且预测的效果也很高,两种模型结合使用会较大地增加其应用价值。     

基于ARMA模型的BDS卫星钟差异常值探测及其短期预报

星载原子钟在运行过程中会受到恶劣空间环境与设备老化等因素的影响,使得卫星钟差数据中经常存在异常值,其中AO(additive outlier)类异常值是钟差序列中常见的一类异常值.结合最大期望算法与自回归滑动平均(autoregressive moving average, ARMA)模型,提出一种AO类异常值探测算法...     

顾及一次差分数据结构特征的钟差预报模型

星载原子钟在运行过程中会受到恶劣空间环境与设备老化等因素的影响, 使得卫星钟差数据中经常存在异常值, 其中AO(additive outlier)类异常值是钟差序列中常见的一类异常值。结合最大期望算法与自回归滑动平均(autoregressive moving average, ARMA)模型, 提出一种AO类异常值探测算法。该算法可以准确探测孤立AO类异常值与成片AO类异常值, 有效克服了其他算法经常出现的淹没与掩盖现象。在成功探测钟差序列AO类异常值的同时, 该算法可以估计得到精确的ARMA模型, 进而能准确地进行卫星钟差预报。利用仿真数据与北斗卫星钟差实测数据进行计算分析, 结果表明, 所提算法可以精确探测出钟差序列AO类异常值, 并且具有很好的卫星钟差预报效果。     

灰色幂模型在基坑变形监测中的应用

灰色幂模型又称非线性灰色伯努利模型(NGBM(1,1)),是灰色GM(1,1)模型的一种改进模型,具有非线性特征,在拟合和预测非线性特征数据方面具有优势.NGBM(1,1)模型相比于GM(1,1)模型具有更高的预测精度和更广的适用范围,它在经济、农业、气象等方面已有较广应用,但是在变形监测领域的应用还比较少.本文在已有...     

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。     

基于自适应 Kalman 滤波的边坡变形预测研究

研究Kalman滤波和自适应Kalman滤波算法,结合边坡监测点的运动模型将其应用于边坡变形监测动态数据变形预测。利用小湾水电站二号山梁高边坡GPS监测数据进行实验研究。结果表明,自适应Kalman滤波在边坡三维形变预测及变形速率估算方面有很好的预测结果。