基于SBAS-InSAR和改进BP神经网络的城市地面沉降预测

针对现有城市地面沉降预测方法过度依赖沉降数据、模型单一等问题,以云南省昆明市主城区为研究对象,从多时序多因子角度提出一种改进BP神经网络在城市地面沉降中的预测方法。首先,利用SBAS-InSAR技术获取主城区地面沉降监测值,然后通过SPSSAU软件中的灰色关联分析和因子分析选取主城区地面沉降的影响因子,并将其与获取的沉降监测值从多因子多时序角度构建GA-BP和PSO-BP预测模型,最后,得出最优的预测模型并进行预测性能验证。实验结果表明：利用SBAS-InSAR能有效监测城市地面沉降;GA-BP算法相比PSO-BP算法在城市地面沉降预测中性能更好、精度更高;该方法可对长时间、大范围城市地面沉降预测和对某一沉降点多期沉降趋势进行预测。该方法可作为城市地面沉降预测的有效手段,为政府部门决策提供了一种高效快速的方法。     

基于SFLA-GRNN模型的基坑地表最大沉降预测

为可靠预测基坑周边地表沉降的发展趋势,提出了一种基于混合蛙跳算法和广义回归神经网络模型的基坑地表最大沉降预测模型（SFLA-GRNN模型）。首先,在沉降机制分析并初选输入变量集的基础上,利用灰色相关度分析对模型输入、输出变量的相关性进行量化,并剔除与输出变量相关性明显偏小的输入变量;其次,利用混合蛙跳算法（SFLA）对广义回归神经网络模型（GRNN）的平滑因子进行优化确定,减少人为因素对模型精度和泛化能力的不良影响;最后,利用筛选得到的输入变量集建立基坑地表最大沉降预测的广义回归神经网络模型。实例应用及对比计算结果表明,基于灰色相关度的输入变量筛选和基于混合蛙跳算法的平滑因子优化均能够有效提高广义回归神经网络模型的精度和泛化能力,以上结论可为类似变形预测提供参考。     

高填方地基粘弹性参数反演及工后沉降分布规律预测

云南巧家高填方工程场地地形崎岖,高差悬殊,存在工后沉降量大以及不均匀沉降等问题,而传统沉降预测方法因忽略参数差异性问题不能准确预测高填方场地工后沉降。基于云南巧家高填方工程30组实测沉降数据,采用粘弹性模型、指数模型和双曲线模型三种方式进行工后沉降预测,结果显示粘弹性模型对于高填方沉降预测精度明显优于其他两种模型。基于粘弹性模型预测了云南巧家高填方工程工后沉降分布规律,探明了最大沉降速率和最终沉降的分布区域,为后续开展工程措施提供了合理的科学依据。通过粘弹性本构模型参数反演发现云南巧家高填方工程回填材料的压缩模量和粘滞系数均呈现显著的空间差异性,若不考虑参数空间差异性将会导致预测结果产生显著的误差。基于此提出了高填方场地考虑参数变异性的分区计算方法,该方法不仅能够减少整个高填方场地计算参数,并且能够有效提升预测结果精度,从而满足工程需求。     

基于PCA-PSO-SVM的凡口铅锌矿地区岩溶地表塌陷危险性预测

岩溶地表塌陷是由多个影响因素共同作用导致地面形成塌陷坑（洞）的一种动力地质现象,具有隐蔽性和突发性的特点,常规简单数学模型难以对地表塌陷危险性准确预测。文章先通过主成分分析法（PCA）对选取的地下水位、地下水位波动幅度、给水度等11个影响因素提取5个主成分,对导致地表塌陷危险性的主成分进行全新的解释,同时引入粒子群算法（PSO）优化的支持向量机（SVM）方法,建立PCA-PSO-SVM岩溶地表塌陷危险性预测模型,并结合凡口铅锌矿地区工程实例,将预测结果与单一的SVM模型预测结果进行对比,表明PCA-PSO-SVM危险性预测模型精度更高,可以更好地为岩溶地表塌陷防治工作提供依据。      

黄土高填方场地工后沉降预测模型性能评估方法

工后沉降预测结果是黄土高填方场地变形稳定性评价和建筑物规划布局的重要参考依据。为遴选适合黄土高填方场地的工后沉降预测模型,基于某典型黄土高填方工程的实测沉降数据,分析了工后沉降曲线的变化规律和发展趋势,建立了17种回归参数模型,提出了模型预测效果的评价指标和方法。结果表明：（1）该工程填方区工后沉降历时曲线呈“缓变型”变化,土方填筑完工初期无陡增段,随时间增加沉降速率逐步降低,尚未出现沉降趋于稳定的水平段;（2）将外推预测误差、内拟合误差和后验误差比最小化作为综合控制目标,可遴选出理想的回归参数模型;（3）MMF模型（Ⅱ型）和双曲线模型具有较高的预测精度、较好的稳定性和较强的适应性,在17种模型中的预测效果最佳;（4）沉降数据的变化越平稳,模型预测效果越好;（5）增大建模数据的时间跨度,会提升预测精度,但增大至一定值后,预测精度提升效果不再显著。     

基于因子分析的LM-BP网络的盾构施工地表沉降预测

盾构施工引起的地表沉降量的预测与评价具有很强的随机性和不确定性,用常规的数学模型难以准确表达。本文采用因子分析法对影响盾构施工引起地表沉降的9个因素进行了主因子的提取,得到4个主因子。以此数据集对BP神经网络进行训练,并用Levenberg-Marquardt(LM)算法对BP神经网络进行了优化,建立了基于因子分析的LM-BP神经网络预测模型。结合工程实例将预测结果与LM-BP神经网络模型的预测结果进行比较分析,表明本预测模型具有较高的准确性,符合实际工程的需要。     

基于SBAS-InSAR的辽宁义县中东部区域地表沉降监测

以辽宁义县中东部区域为例,选2017—2018年间18景Sentinel1数据,采用短基线差分干涉测量技术(SBAS-InSAR)获取了该地区的形变时间序列和平均沉降速率。结果显示义县存在不均匀的沉降,最大平均沉降速率为98 mm/a。结合野外实地调查成果,验证了SBAS-InSAR技术的可靠性,并分析了地表沉降的主要原因是矿石的开采。     

北京不同区域明挖基坑地表沉降变形特征研究

基于近年北京地区不同区域大量明挖基坑工程地表沉降实测数据,利用理论计算与回归分析方法,对预测地表沉降的典型曲线“四点折线法”及其模型参数（斜率K及截距b）进行了反演分析,获得了不同区域地质条件下明挖基坑地表沉降预测经验参数;通过对沉降数据及经验参数的统计分析,总结了地表沉降区域变化规律,明确了参数的取值范围,并利用实测数据验证了经验参数的预测精度。结果显示:北京西部区域最大沉降点距离围护结构的水平距离相对中、东部偏大,约为基坑深度的30%,中、东部区域相对较小,均约为基坑深度的26%;地表沉降曲线形态随着区域地质条件不同而不同,四点折线图第一段直线AB的斜率K的绝对值由西向东依次增大,表明东部粉细砂地层比西部砂卵石地层沉降坡度更加明显,第二段直线BC的斜率K的绝对值东部区域比西部区域反而较小,这表明东部区域的沉降影响范围较大;参数b_AB绝对值均值由西向东依次增大,表明东部粉质黏土、细沙层相对西部砂卵石地层的桩侧土体沉降值更大,约为最大沉降值的31%,中部区域为21%,西部区域仅为16%。该研究成果将为本地区明挖基坑工程地表变形预测和安全风险控制提供重要的参考依据。     

基于时序InSAR的山西大同煤田地表沉降监测及时空演化分析

【研究目的 】地表沉降作为煤矿区主要地质灾害之一,严重影响矿区经济的可持续发展和居民生活的安全稳定,有必要对矿区地表沉降进行快速高效监测。【研究方法 】以大同煤田为例,研究使用2020年1月至2021年12月共31景Sentinel-1影像,基于短基线集干涉测量技术（Small Baseline Subset InSAR,SBAS-InSAR）对地表沉降进行监测,获取大同煤田地表沉降速率和累计沉降结果,使用已有研究成果对监测结果的可靠性进行验证,并分析了沉降时空变化特征及演化规律。【研究结果 】大同煤田地表沉降分布较广,沉降总体分布趋势与大同煤田矿业管理数据的走向基本一致。沉降主要分布在大同市南郊区西部以及大同市、怀仁市和山阴县交界处,其中塔山矿地表沉降最为严重,大同煤田最大沉降速率为168.03 mm/a,最大累计沉降量为329.12 mm,总沉降面积为270.95 km2,且沉降呈现持续增加的趋势,根据沉降趋势推断需要较长时间才能实现地表活动相对稳定。【结论 】研究表明了InSAR技术在煤矿区沉降监测的可行性,可为矿产资源管理工作提供新的技术方法,研究结果可为煤矿区沉降监测预警、灾...     

基于递归图理论的沉降时间序列可预测分析

在实际沉降监测中,由于不确定性因素的影响,导致基于实测沉降数据的工后沉降预测误差较大。采用递归图和递归定量分析方法对沉降时间序列的可预测性进行分析,选择出预测效果好的沉降时间序列,进行准确的工后沉降预测。通过对无砟轨道整体道床的沉降时间序列进行可预测性分析得出:（1）沉降时间序列具有混沌特性;（2）沉降时间序列的递归图颜色分布越规律、色彩深浅变化越均匀,沿着主对角线出现的白色区域越小,沉降时间序列的可预测性越强;（3）通过提取递归定量指标随时间变化的曲线,可以直接确定预测时间起点;（4）利用递归图求取二阶任意熵作为沉降时间序列的可预测步长因子,可推算出预测效果最佳的沉降时间序列。     

改进灰色模型对路基沉降预测的应用研究

讨论了灰色系统理论在路基沉降预测中的应用,并对等间隔的灰色模型GM（1,1）进行了改进,建立了任意间隔的非时序改进灰色模型。通过具体工程实践,给出了两种模型对路基沉降量预测结果与实测结果的比较,结果表明改进灰色模型的预测沉降量与实际沉降量更接近,精度更高,更能满足工程需要。     

基于时序InSAR技术的甘肃金川铜镍矿区地表沉降研究

文章采用时序InSAR技术对甘肃省金川铜镍矿区域地表沉降规律开展研究.利用Senti-nel-1A干涉影像,基于SBAS-InSAR技术和时序D-InSAR技术,反演2018年1月-11月金川铜镍矿区域地表沉降.经过2种技术结果对比及验证分析表明,2018年矿区有2个沉降漏斗,分别是西二采区5-7行和老矿坑.西二采区5...     

软基沉降的BP神经网络和灰色系统联合预测

使用BP神经网络插值方法对灰色数据进行了预处理,进而建立了预测软基沉降量的BP神经网络和灰色系统联合模型.实例分析表明,该模型短期沉降预测结果的最大相对误差小于2%,最终沉降预测结果的相对偏差小于5%,且灰色预测时取后期沉降瘦导颇算结果准确度高于取前期沉降数据的计算结果准确度.     

基于深度学习的旧金山湾水质预测

传统的水质预测模型计算复杂，且在大对流情况下会引发误差，对于大数据时代下智能化的水质预测问题并不适用。本文针对旧金山湾地表水质研究区的数据资料，利用数据分析、统计检验、深度学习时序模型等技术方法对该研究区的水质进行研究，根据主成分信息构建了长短时记忆（LSTM）循环神经网络模型，对研究区的5个地表水质采样站点进行了水质预测。结果表明：长短时记忆循环神经网络模型通过门控制循环和记忆单元结构，有效控制传入模型的输入特征，从而降低模型的复杂度；双层长短时记忆循环神经网络模型较单层长短时记忆循环神经网络模型的预测精度平均提高5.3%。利用LSTM模型可以对旧金山湾地表水质进行有效评价。     

黄土沟壑高填方工后12个月沉降变形规律研究

为研究黄土沟壑高填方工后沉降变形规律,选取最大填筑厚度38 m典型黄土沟壑高填方场地,设计立体的沉降监测方案,对工后的地表沉降以及原始地基沉降数据进行采集,分析不同原始路基坡型在工后12个月时间里地表沉降和原始地基沉降发展的规律,取得以下结论:黄土沟壑高填方在不同位置工后沉降的组成不同,填筑体在自重作用下产生的工后沉降与填筑体厚度有直接关系,原始坡形陡的位置工后沉降量较大,并通过拟合得出填筑体自身工后沉降发展曲线,为黄土地区高填方场地的变形规律研究提供参照。      

含分数阶的灰色模型及其在地基沉降预测中的应用

基于灰色理论建立的传统沉降预测模型均为整数阶,存在不连续、与实测数据差异较大的缺陷。鉴于此,本文以灰色模型为研究对象,通过改变模型中的整数阶微分为分数阶微分来改进灰色模型的预测效果。本模型与传统模型的最大区别在于增加了分数阶阶次的识别,首先结合灰色理论得到无输入的常微分方程;接着对其引入输入项,并将常微分方程做变换得到含分数阶的微分方程;最后将该模型与实测数据进行对比,且与传统灰色理论沉降预测模型进行误差计算,发现本文建立的沉降预测模型可以较好地预测地基沉降。     

基于GM（1，1）的组合灰色模型预测软基沉降

以灰色系统理论为基础,建立了沉降预测的组合灰色模型,对一般灰色模型具有的无限增长特性进行了改进和修正。在求解过程中,采用spline插值函数对现场观测沉降数据进行插值变换生成等时距序列,并对沉降预测模型的初值进行了优化选择,以提高预测精度。运用MATLAB语言编制模型计算程序,通过沉降预测实例及后验差法检验模型精度,表明沉降预测的组合灰色模型预测精度较高,具有较强的适用性。     

基于轨道精炼控制点精选的极艰险区域时序InSAR地表形变监测

极艰险区域具有地形起伏极大、地理环境复杂和永久散射体稀少的特点,为此文章设计了一种改进的SBAS-InSAR技术进行地表形变监测。文章先从相干性、振幅离差指数、形变速率三个方面获得候选的永久性散射体点,之后辅以光学影像精选出最终的永久性散射体点,将其作为轨道精炼控制点引入SBAS-InSAR解算过程,最终完成了研究区的地表形变监测。通过对比分析常规的PS-InSAR技术与SBAS-InSAR技术,该技术在极艰险区域具有良好的应用价值。     

基于黄土变形时效试验的高填方工后沉降研究

以填土厚约80 m的吕梁机场黄土高填方试验段为研究对象,开展不同性状黄土的室内变形时效性试验,并建立了反映其变形时效性的修正Burgers模型（M-B模型）,将其引入到有限差分法软件FLAC3D中,开展了填土在不同压实度、含水率控制标准和不同地基处理方案下高填方的工后沉降规律敏感性分析。基于原位监测结果进行数值反演和预测分析,进一步探究室内试验得到的变形时效性参数与高填方概化层参数之间的差异。结果表明：深厚黄土地基上的高填方工程,其原地基的处理是控制工后总沉降的首要因素,在设计填料的压实度时,其含水率的控制也是影响工后沉降的重要因素;经反演分析得到,概化层变形参数比室内大1～4倍,预测得到深厚黄土地基上的高填方沉降稳定的时间需3～4 a,建议竣工后1.5～2.0 a开展基础设施建设。     

改进的灰色Verhulst GM(1,1)建筑物沉降模型

造成建筑物的沉降因素是复杂多样,沉降机理与过程是非线性的,从理论上给出符合实际的建筑物沉降公式很困难,许多安全等级很高的重要建筑物在施工期间均需进行沉降观测,以保证建筑物的安全而及时修改设计。根据建筑物沉降观测数据列特征,综合分析了影响建筑物沉降的因素,应用灰色理论关于连续非线性数据列的建模方法,经过二次拟合,建立了能描述高层建筑沉降过程的非等间距灰色Verhulst GM(1,1)模型。该模型经重庆地区某高层建筑沉降观测实例验证,能较准确预测建筑物的沉降过程和最终沉降量。表明利用少数高层建筑沉降的观测数据建立非等间距的灰色Verhulst GM(1,1)模型能较准确模拟建筑物沉降过程和预测最终沉降量,其建模方法较简单、精度高,具有一定的实用性。