灰色预计模型在煤矿沉陷区沉降预测中的应用

煤矿地表开采沉陷影响生态环境和居民人身的安全。针对沉陷区日常沉降监测中监测点位保存不易,数据获取困难等问题,本文基于数据等时间距化方法,分别运用灰色模型对沉陷区的沉降量进行预计。经实例验证,灰色预计模型能满足工程预计精度要求。     

基于SPSS的高层建筑物沉降预计模型研究

沉降监测工作在高层建筑整个施工过程中很关键, 沉降预计也十分重要。为了更好地预计沉降值, 本文利用SPSS统计与分析软件建立多种曲线模型对实测值进行回归分析, 拟合出不同曲线并分析比较不同模型的精度, 得出最为符合实际情况的预计模型表达式, 并进一步进行分段优化。经分析研究与实例验证, 该模型在一定程度上具有很好的可靠度与可行性, 且分段拟合效果更佳。     

基于InSAR技术和GS-SVR算法的矿区地表开采沉陷预计

我国西部黄土高原地区土质疏松,沟壑纵横,开采损害特征明显,准确预计开采引起的地表移动和变形趋势有助于为矿区灾害提供预警信息。文中以陕西彬长矿区某工作面为例,利用2007年7月—2008年1月的5幅SAR影像对矿区地面进行监测,将合成孔径雷达干涉测量(InSAR)技术得到的监测成果作为训练样本,与网格搜索算法(GS)优化支持向量机回归(SVR)参数算法结合,对矿区的形变点进行沉降预计。结果表明:InSAR技术获取矿区的沉降量可以满足矿区地表沉陷监测预计,结合GS-SVR预计模型可以实现矿区形变点的沉陷预计,预测精度符合工程的应用需求。     

位错模型的矿区地表沉降监测

为获取连续的矿区地表沉降变形场,揭示沉陷规律,及时预计沉降范围与大小,保障生产,该文提出了以精密水准测量数据为约束的加权位错监测及预计模型。视开采工作面为简化位错几何模型,顾及工作面近远场观测数据的不同,根据计算模型值与水准测量实测值的残差确定不同的权比,利用最小二乘线性算法反演垂直方向上的张裂参数。由张裂参数正演获取连续的地表形变场。并以多期观测反演所得的一维张裂参数的变化序列拟合预计模型,预测地表未来形变场。研究表明,提出的加权位错预计模型能更好地监测并预计矿区开采后的地表沉降变化,为采矿安全生产提供了依据。     

回归分析与人工神经网络在建筑物沉降预计中的应用

随着高层建筑物的逐渐增多,对其做好沉降预警工作具有重要意义。本文中分别采用回归分析法和人工神经网络建立沉降预计模型,对工程实例进行沉降预计,通过图表表现出的预测值与真实值的差异,说明两种方法的优缺点以及两者的实际应用价值,最终两种方法均取得了令人满意的预计结果。     

基于D-InSAR技术的不同裁剪尺度下沉降监测精度对比分析

利用InSAR(合成孔径雷达干涉测量)技术对小区域范围内的沉降进行监测时,不同的裁剪尺度会对沉降精度产生影响。本文分别选取山区和平地的SAR数据,利用不同尺度的窗口对数据进行裁剪,采用D-InSAR技术分别获取沉降结果,对沉降结果进行分析比较。研究结果显示:小区域范围内,山区SAR数据的裁剪尺度为3300×3300像元时为最佳,平地SAR数据的裁剪尺度为3800×3800像元时为最佳。该研究结果对利用InSAR进行小区域沉降监测具有一定的参考价值。     

煤矿工业广场地表沉降监测及GM(1,1)建模预测分析

介绍了沉降监测的基本理论和方法,以钱营孜煤矿为例,建立了沉降监测系统,采用水准测量对监测系统进行定期监测,数据处理和分析。建立了能反映监测动态变化的灰色GM(1,1)等维新息模型,得到:地表沉降与水位变化呈现显著的相关关系,井架基础最大沉降量138mm,最大沉降差为3mm,并对监测点下一期的沉降值进行了预测。研究成果对于工业广场沉降治理具有指导意义。     

灰色模型分析法在高层建筑物变形监测预测中的应用

在变形监测过程中,获取监测资料以后,通过对高层建筑物观测资料进行研究分析,可以掌握地基随时间的沉降规律,预测其下一步的变形趋势,并为可能发生的变形做好必要的准备,减少因非预计沉降带来的损失。灰色模型分析法是一种常用的数据处理及预测分析方法,本文在简单介绍了灰色模型分析法的基础上,利用灰色模型分析法预测了变形监测数据,并得出了有益结论。     

D-InSAR矿区地表沉降监测及时空分析

针对矿区地表沉降问题,该文选取7景覆盖张家口市蔚县矿区的TerraSAR-X影像,对影像进行差分干涉处理获取了6个干涉对,并对沉降比较严重的崔家寨矿区进行了精细化分析,统计了其在各时间段内的沉降量和沉降面积,并生成沉降等值线图,该区域最大沉降量约为380 mm,沉降量级大于50 mm的面积约为3×10~5m~2;采用最邻近时间段的精密水准数据对D-InSAR编码后的沉降图进行了精度验证与分析,二者沉降监测的总体趋势吻合,平均误差为7.09 mm,相关性在0.9以上,并且假设检验表明二者可以表示同一矿区形变场,说明双轨D-InSAR技术可以对矿区沉降进行有效的监测,监测精度可以达到厘米级。结果表明,该研究可为矿区整体规划、灾害预警和开采沉陷治理等提供参考意义。     

基于回归模型的广场基坑沉降预测分析

以西安某地万达广场基坑沉降监测为例,结合沉降监测的相关理论,首先介绍了广场基坑沉降的实测方案,然后对沉降监测数据进行了处理分析,最后基于回归模型对沉降趋势进行了预测,并将预测值与实测值进行了对比分析,二者残差较小,验证了回归分析模型在广场基坑沉降预测中的可行性。     

重力网的分段线性动态平差

为研究重力场的时变特性,考虑到我国全国重力网布设和观测的现状,引入一种分段线性动态平差模型,用于流动重力网的平差处理。与传统静态平差模型相比,该模型可以得到更可靠的重力场变化特征。为验证模型的有效性,对我国全国重力网数据和模拟数据分别进行了动态平差和静态平差处理。结果显示,对于全国重力网数据,两种平差方法得到的重力变化率的平均差值为13.4×10~(-8)m·s~(-2)/a,最大差值达50×10~(-8) m·s~(-2)/a,且动态平差精度明显优于传统静态平差。对于模拟数据,动态平差结果中80%以上的平差值与理论值差值在1×10~(-8) m·s~(-2)/a以内,只有两个差值超过2×10~(-8)m·s~(-2)/a,而静态平差结果中只有44.4%的平差值与理论值差值在1×10~(-8) m·s~(-2)/a以内,差值超过2×10~(-8) m·s~(-2)/a的占21%。因此,本文提出的分段线性动态平差模型与传统静态平差模型相比能更有效地反映真实重力场的变化信息。     

稳健时序分析方法及其在边坡监测中的应用

本文将稳健估计方法引入时间序列建模,提出了基于稳健估计的自回归建模方法。采用某实测边坡两个监测点连续30期数据对该方法进行了验证计算与分析,结果表明当监测序列没有异常值时,稳健与常规自回归模型的预报精度相当;而当监测序列含有少量异常值时,稳健比常规自回归模型的预报精度有较明显的提高。     

深基坑变形监测数据时序分析法的建模与预报

基坑变形监测的各种数据一般是以时间间隔构成的随机序列,用时间序列分析的方法进行监测数据的建模与预报是有效处理监测数据的一种手段。本文以基坑监测中有代表性的监测数据-锚杆拉力监测为例,用时序分析的方法对监测数据处理、分析、建立适合的模型以及对数据进行预报等过程进行研究和探讨。     

基于插件方式的监测数据分析系统研究

在构筑物或建筑物的变形监测项目中,传统的监测数据分析软件数据结构固定、分析模型单一,无法灵活地分析监测对象的变形情况。本文采用C#语言以及插件方式和托管扩展性框架,摆脱了数据结构固定的约束,同时可动态添加分析模型和报表,实现了监测数据分析软件支持多数据格式和多模型分析的功能。     

地铁变形监测中曲线拟合与自回归模型的综合应用

曲线拟合与自回归是变形监测数据分析的常用方法。本文首先给出曲线拟合和自回归模型的模型形式以及模型正确性的检验方法,然后结合广州某地铁的部分实际监测资料,综合使用两种模型进行变形曲线的拟合与分析,结果表明:该综合模型对变形数据的处理有着显著的优越性。     

灰色-时序组合模型在地表变形预测中的应用

通过对某地铁监测点小波去噪后的数据建立灰色预测模型,分析了灰色预测的优缺点,针对灰色预测对波动性数据预测的不足,建立了灰色-时序组合模型。首先,利用灰色模型提取时间序列中的趋势项;然后,用时序模型对残差项进行建模分析,兼顾了数据的趋势性和波动性,弥补了灰色预测的不足,提高了预报精度。     

基于ARIMA模型的边坡变形分析与预测

详细论述了时间序列分析中的平稳性分析、模型识别、模型评价和模型预测的过程,建立自回归滑动平均求和(ARIMA)模型对2016年6月29日-2017年10月4日共计461 d的边坡监测数据进行时间序列分析和预测。结果显示:利用ARIMA模型对边坡观测数据进行时间序列分析具有可行性,并能取得较好的效果,研究成果可为工程施工和防灾减灾提供技术参考。     

时间序列协整关系及其在变形分析中的应用研究

通过对时间序列模型及其特性进行分析,运用序列间协整关系,实现同一变形体不同变形监测数据序列之间的联系,提取出平稳的、可用于变形预测分析的信息,建立适用于实际工程的ARIMAX动态预测模型,并通过工程实例验证预测模型的优化性、有效性与可行性。     

基于Matlab的建筑基坑变形灰色系统分析预报与应用

在基坑变形监测领域,将GM（1,1）模型应用于变形量的分析预报较为普遍.根据灰色系统理论,通过设定参数,进行用于基坑变形分析预报的灰色预测模型Matlab程序设计,利用具体工程前数期的实测数据,预测建筑基坑后期累计位移变形量,通过与后期实测数据的对比分析表明,程序运行的准确度较高,能够满足基坑变形预测预报的精度要求.