Kalman滤波在高铁桥梁变形预测分析中的应用

针对高速铁路桥梁架梁后许多沉降变形点沉降量级较小,变形曲线呈现＂小量级,大波动＂特点,观测数据中可能存在大量的随机噪声,对沉降变形分析产生干扰,影响预测结果的可信度,本文将Kalman滤波引入到高速铁路桥梁变形分析数据预处理中,建立基于Kalman滤波的动态模糊神经网络模型。通过应用实例分析表明,基于Kalman滤波的动态模糊神经网络模型的预测精度有所改善,具有一定的优势。     

改进的卡尔曼灰色模型在隧道沉降预测中的应用

为提高地表沉降预测精度,针对灰色预测模型(GM(1,1))易受随机干扰影响致使预测精度不高的问题,建立了基于卡尔曼滤波的灰色理论预测模型。考虑到沉降量受到温度和时间因素影响较大的特点,将地表的沉降看作时间、温度的相关函数来建立卡尔曼滤波模型,并利用迭代滤波理论和LevenbergMarquardt优化滤波,构建改进的卡尔曼滤波模型。改进的卡尔曼滤波模型与灰色模型相结合,应用于地表沉降预测中,并将改进的卡尔曼滤波灰色模型预测结果与卡尔曼滤波灰色模型的预测结果进行对比。实例计算表明,使用改进的卡尔曼滤波对消除检测数据扰动误差后的数据进行灰色模型预测的精度相比于单纯灰色预测的预测精度更高。     

结合Kalman滤波与小波神经网络的沉降形变监测

高速铁路隧道工程监测点沉降曲线具有小沉降、大波动的特点,沉降变形数据中存在大量随机噪声,将影响沉降变形分析的准确性。将Kalman滤波应用于高铁隧道沉降变形数据预处理,对沉降变形数据进行去噪,再利用小波神经网络对去噪后的沉降变形数据进行预测分析,从而提高单一小波神经网络的预测精度。通过工程实例分析表明,结合Kalman滤波的小波神经网络预测精度优于单一小波神经网络,具有更好的应用价值。     

基于经验模态分解和BP神经网络的地铁沉降预测模型研究

地铁沉降是一个非线性的复杂过程,基于经验模态分解(EMD)和BP神经网络预测模型,建立了一种可供地铁沉降监测预测的EMD-BP神经网络预测模型。新建模型首先利用经验模态分解法对原始观测数据序列进行预处理,形成本征模态分量IMF,再根据每个IMF的变化特征,研究选择合适的参数构造BP神经网络,计算预测对应IMF,最后进行重构获得地铁沉降的预测结果。实验分析结果表明,EMD-BP神经网络模型预测精度和稳定性优于单一BP神经网络模型。     

遗传小波神经网络在高铁沉降预测中的应用

利用遗传算法的全局寻优特性,与小波神经网络相结合,建立遗传小波神经网络模型,并将其运用于高铁沉降预测,通过与BP神经网络、小波神经网络在高铁沉降预测的实验对比分析,结果表明遗传小波神经网络在高铁沉降预测中的稳定性更好、精度更高。     

优化组合模型在建筑物基坑沉降预测中的应用

为了确保建筑物在建设过程中的安全,需要准确掌握建筑物基坑及周边的变形情况。针对建筑物基坑沉降变形预测问题,本文对单一的GM(1.1)模型与BP神经网络模型进行优化并构建组合预测模型。优化组合模型一方面解决了单一预测模型稳定性差、预测精度低的问题,另一方面提高了预测模型的适用性。将本文提出的组合预测模型应用于某在建建筑物基坑沉降变形预测中,结果表明,相较于单一的GM(1.1)模型与BP神经网络模型,本文提出的优化组合预测模型的预测精度与稳定性更高,证明了组合预测模型在建筑物基坑类沉降预测中的可靠性。     

SSA-Elman神经网络模型在建筑物沉降预测中的应用

为了提高建筑物沉降变形预测精度,最大限度地减少监测数据中非变形噪声分量对预测结果的影响,本文在Elman神经网络模型的基础上引入奇异谱分析方法,构建新的SSA-Elman神经网络模型。首先利用SSA方法提取沉降监测数据中的趋势分量与周期分量,剔除噪声分量,提高监测数据信噪比;其次通过Elman神经网络模型分别对趋势分量、周期分量进行预测,得到对应分量预测结果;最后重构趋势分量与周期分量预测结果得到最终预测结果。通过实测建筑物沉降数据分别对Elman神经网络模型与SSA-Elman神经网络模型进行建模与预测,结果表明,SSA-Elman神经网络模型的预测精度更高,更适应长周期预测。     

灰色RBF在地铁沉降监测中的应用

随着城市发展,致使地铁沉降的因素越来越多,地铁沉降监测越来越重要。对此,本文基于灰色模型和RBF神经网络预测模型,对两者融合方法进行了研究。通过对某城市地铁沉降监测数据进行预报和分析,证明了灰色RBF神经网络模型预测精度优于单一模型预测精度,组合模型避免了灰色模型线性补偿的弊端、增加了数据利用率、增强了算法的鲁棒性,预报结果更加准确。     

基于EMD方法的组合预测模型在建筑物基坑沉降监测中的应用

为了对建筑物基坑沉降进行准确预报,在传统的时间序列预测模型的基础上,提出了一种基于经验模态分解（EMD）方法的差分灰色神经网络-AR模型。该模型充分结合EMD方法在信号自适应分解中的优势,通过EMD方法将监测数据分为不同频段的分量,使用差分灰色神经网络模型对序列更为稳定的低频分量进行预测,消除了由于灰色预测模型预测残差不稳定导致预测结果精度较低的问题;使用AR时间序列模型对稳定性较低的高频分量进行预测,重构由不同模型预测得到的结果,得到最终预测结果。将灰色GM(1.1)模型、差分灰色神经网络模型与本文提出的组合模型应用于某在建建筑物基坑沉降预测中,试验结果表明相比于灰色GM(1.1)模型与差分灰色神经网络模型,本文提出的组合模型预测精度更高,可以有效预报建筑物基坑沉降,在实际工程中有较高的推广价值。     

基于遗传算法的灰色Elman神经网络在深基坑变形中的应用

为保障基坑施工安全,快速发现沉降问题,本文提出一种基于遗传算法的灰色Elman神经网络,利用沉降监测数据预测围护结构沉降.通过计算发现该模型迭代收敛速度较快,25次即能达到0.001的均方误差,可以在较短时间得到预测结果.与其他3种基础模型对比,发现该模型精度较高,在SSE、MRE、MSE 3种精度评价中均处于较高水平...     

WiFi室内定位的不同接入点选取策略的性能评估分析

最优无线接入点(access point,AP)子集的选取是进一步改善WiFi室内定位技术的一个难题。本文介绍了现有的AP选取算法并提出了基于奇异检验的AP选取算法,给出了WiFi室内定位的性能评估指标。通过实验评估分析了各AP选取算法的综合性能,结果表明:基于相同原理的AP选取算法,其位置估计误差具有相似性,但不同AP选取算法由于选取原理不同各自具有局限性。在实践应用中,要贴合实际情况,结合各AP选取策略特点,选择合适的AP选取策略。     

DMSP/OLS夜间灯光数据的四川省GDP空间化分析

针对DMSP/OLS夜间灯光数据模拟省级格网GDP问题,该文选取2000、2006以及2010年DMSP/OLS稳定夜间灯光数据、辐射定标夜间灯光数据和四川省第二、三产业社会经济GDP数据,运用相关性分析、对比分析以及回归分析的方法,模拟出四川省GDP空间化密度图并分析与高程之间的关系。结果表明:在省级范围内,GDP与辐射定标灯光数据的相关性明显高于与稳定灯光数据的相关性,且前者的灯光指数CNLI与GDP相关性最高;运用3年的辐射定标灯光数据模拟得到四川省GDP密度图与GDP统计数据的拟合精度均达到0.99以上;2000-2010年四川省GDP呈现由成都市向四周不断扩张的趋势并随高程变化显著,四川省GDP高值区主要集中在高程1 000m以下的成都平原及周边区域,西部高原和山地地区GDP值较低。     

开放式街道地图在城市发展水平分析中的应用

针对城市路网的发展状况,能在一定程度上体现城市发展的水平,但传统路网数据难获取的问题,该文采用了易获取、成本低、更新快等优点的OpenStreetMap路网数据为主要研究对象,利用多元线性回归的分析方法,重点研究OSM路网与城市经济发展水平(城市GDP)间的相关关系。通过实验验证,OSM路网密度与城市经济发展水平之间存在着明显的相关关系,利用OSM路网密度对城市经济发展水平进行分析,具有一定的可行性,能够为日后城市经济水平评估与评价提供了一种新的辅助评价指标。     

西藏自治区农业气象灾害WebGIS平台的设计与实现

针对西藏农业气象灾害数据库系统数据类型多样,数据管理困难、挖掘利用不充分等问题,本文以B/S架构和GIS组件技术,以Oracle数据库为数据存储管理中心,设计研发了西藏自治区农业气象灾害数据库系统。实现对该区域1987—2015年农业气象数据、灾害事件、社会经济、基础地理信息的有效管理,系统具有用户管理、数据维护、数据查询、统计分析、趋势预测和防灾措施、地图可视化表达等功能,通过业务化试验与运行,结果表明,系统功能齐全、界面友好、运行稳定,对发展农业气象灾害预测预报理论、区域农业气象灾害数据统计分析、管理决策与防灾减灾等具有重要理论和现实意义。     

轻小型无人机飞控测姿数据辅助测图精度分析

针对轻小型无人机系统难以集成重量、尺寸较大的定姿定位系统,造成高精度传感器定姿定位数据缺失的问题,该文研究了基于无人机飞控系统定姿定位数据辅助测图的方法,统计分析了飞控系统姿态测量精度以及基于姿态数据辅助的测图精度。YS09无人机飞控系统姿态测量误差较大,姿态中误差低于±3°,航向中误差低于±5°。在直接地理定向的情况下,姿态角影响水平和高程测图精度,其中对平面精度影响小于0.1 H,对高程精度影响小于0.3 H;偏航角影响平面测图精度,影响约为0.098 H。结果表明:基于飞控姿态数据辅助测图精度较低,难以满足大比例测图的精度需求,仅适用于应急条件下对精度要求较低的测图需求。     

轻便型变形监测雷达的研制与基本性能测试

本文介绍自主研发的轻便型变形监测雷达的原理结构和特点,并通过一系列实验对该雷达进行基本物理参数和精度的初步测试以及建筑物变形监测方面的应用实验。通过实验证明,该雷达的测量精度达到0.1mm,最远可以观测到800m外的目标,可以用于建筑物变形监测,该雷达也用于边坡、大坝、桥梁等目标的远程变形监测。同时,该雷达在重量、体积、功耗等方面有着优势,解决同类产品笨重、难以携带作业的问题。     

一体化综合减灾智能服务系统研究

针对目前我国减灾服务重决策轻预警,减灾服务技术、系统、应用集成不够,尚缺乏完善的一体化综合减灾智能服务体系现状。该文从测绘地理信息视角,分析了室内外一体化应急定位、多源应急数据融合、灾害场景可视化、灾害模型分析服务等关键技术,构建了一体化综合减灾智能服务原型系统,并在国家基础地理信息中心和陕西省的相关应急部门进行了实际应用,实现了应急信息的一体化感知、定位、融合、分析、服务,为我国综合减灾决策分析提供了技术支撑。     

基于Android的精密三角高程测量系统开发及应用

与普通水准测量相比,精密三角高程测量在特殊环境下的作业效率更高,为推广该测量方法的使用,开发一个功能完善的精密三角高程测量软件是必要的。本文在Android精密三角高程测量软件基础上,结合Android程序设计和精密三角高程测量系统的作业需求,开发了Android平台精密三角高程测量系统。在中国某长江大桥精密三角高程测量的应用中,通过将测量结果与普通二等水准测量数据进行检核与对比,证实该系统能够满足普通跨江水准测量作业的要求。     

顾及周期性误差修正的加权平均温度模型构建

针对目前多数大气加权平均温度(Tm)模型没有考虑季节性影响这一问题,该文首先利用IGRA 2005-2010年全球探空数据,分别建立了各探空站点与地表温度有关的线性Tm模型、与地表水汽压有关的指数Tm模型以及与地表温度和水汽压均有关的混合Tm模型。然后以探空站积分Tm值为参考,对上述3类模型的误差时间序列进行了分析,发现这3种模型均存在周期性误差,并在此基础上构建了考虑周期性误差修正的3类Tm新模型。利用2011-2014年全球探空数据对3类新模型进行精度验证,结果表明:3类Tm新模型的精度相比于原模型均有所提升,模型的周期性误差影响基本得以消除,且3类Tm新模型的精度基本一致。     

环境负载模型效应位移序列可靠性分析

以12个IGS基准站为研究对象,通过格林函数方法对基于QLM模型的地表环境负载(大气压力、土壤湿度、非潮汐海洋、积雪深度)引起的测站位移序列进行可靠性分析。结合粗差分析、主分量分析、噪声特性分析等对位移序列进行特征分析,结果表明基于QLM计算的负载效应序列是比较可靠的,在对GPS坐标时间序列修正过程中,能较好避免不必要的二次误差的引入。此外,地表环境负载对测站的位移影响甚至达到cm级,对测站垂向位移影响更为明显;且负载位移时间序列存在明显的周期性波动,对高精度的地球动力学研究负载环境效应的影响不可忽略,应施加负载改正,为去除坐标时间序列中虚假的非线性变化提供参考。