基于小波去噪的灰色模型在变形监测中的应用

灰色模型可在"贫信息"的条件下发现变形观测数据中的规律,但不能去除数据中噪声的影响;而小波分析可有效识别并剔除变形监测数据中的噪声(误差),使变形规律更加明显;结合两种方法的优势能增强数据分析的可靠性,提高预测精度.将小波去噪与灰色模型相结合,研究了该分析方法在高铁隧道变形监测中的应用,并得到了较可靠的预测结果.     

道路噪声预测的GIS评价方法

针对单模型进行噪声预测和评价的局限性,该文提出了一种基于GIS的利用多模型进行道路噪声预测评价的方法。此方法在对比分析现有的道路交通噪声模型的基础上,选择了FHWA模型和HJ2.4-2009模型作为本研究的理论模型;以闻合高速公路数据为实验数据,分别利用上述两种噪声模型计算噪声预测值;再针对每个噪声监控点,分析两种模型计算的结果,采用折中法和取舍法对结果进行处理,确定每个噪声监控点的噪声值;并结合噪声质量标准对噪声值进行评价,利用ArcGIS Server的地图服务发布功能实现评价结果的网络共享。实验结果表明,每个噪声监控点的噪声值在未来几年都会越来越大,需要采取相应的环保措施。     

基于法向偏差的隧道点云去噪算法

针对隧道类似圆柱的形态特征以及三维点云法向对噪声的敏感性,设计一种剔除由通行车辆和隧道内壁悬挂物所造成噪声点的方法。该方法利用点云的大量法向量鲁棒地估计出精确的隧道轴向,并根据点云法向与隧道轴向的偏差识别出可靠的隧道表面点,然后参照可靠点完成噪声点的进一步确认。利用仿真数据和真实的高速公路隧道扫描点云实验结果证明该方法的有效性和精确性。     

基于RANSAC算法的地铁隧道点云数据滤波

三维激光扫描技术能够快速、有效地获取隧道点云数据,可用于提取地铁隧道的形变信息,但隧道点云数据中包含着噪声点、离群点,需要滤波去除,目前已有滤波算法不适用于隧道环境。文中采用统计特征去除部分噪声点,利用区域增长方法初步提取隧道壁部分点云作为RANSAC算法种子点,进一步利用RANSAC算法拟合数学模型提取隧道壁全部点云数据,并利用RANSAC点云拟合模型对隧道盾构体施工精度进行评估。实验结果表明了方法的有效性。     

新阈值及阈值函数的评价和变形预测实验

变形监测数据是判断对象是否会发生异常变化的重要依据,但实测数据会被带入噪声,将隐藏其实际变化规律。本文利用含有高斯白噪声的信号来评价两种新的阈值及阈值函数的去噪效果,并评价两种新的阈值及阈值函数在提高预测精度方面的效果。实验表明,较传统的硬/软阈值函数,两种新阈值及阈值函数的去噪效果更优,而且该组合方法提高了预测的可靠性和精度。     

基于建筑物地表沉降数据的变形预测方法比较

为了研究隧道周边建筑物地表的变形,本文根据京东方蒸汽管道工程隧道开挖过程中周边建筑物地表的沉降观测数据,利用二次指数平滑法和灰色系统法建立数学模型,分别对建筑物地表做变形预测,并对预测结果进行分析和对比,结果显示二次指数平滑法的预测精度更高。对于隧道周边建筑地表沉降的预测二次指数平滑法效果更好,比较符合实际变形曲线,相对来说是一种较好的变形预测方法,为隧道的开发过程中防止安全事故的发生、避免经济损失和人员伤亡提供一种参考方法。     

基于Peck公式的隧道施工实时地表沉降预测研究

随着城市化的发展,地面交通压力越来越大,越来越多的城市开始发展地下交通轨道,不可避免地会实施隧道工程,由此引起的地表沉降是我们不得不重视的问题。本文以山东省某地铁隧道工程为研究对象,利用实测数据分析研究由此引起的地表沉降规律。一般认为peck公式只能对下沉最终值进行预测,本文将依据peck公式对隧道施工过程中的地面沉降值进行实时预测,结合实测数据,我们可以发现peck公式可以很好地预测隧道施工过程中的地表沉降规律。     

基于狄克松检验的NDVI时序数据噪声检测及其在数据重建中的应用

归一化差值植被指数NDVI(Normalized Difference Vegetation Index)时序数据已被广泛应用于植被变化监测、植被物候识别和土地覆盖分类等领域,但受观测条件限制,NDVI原始数据中包含大量噪声,在实际应用时需对其进行检测并去除。目前常用的NDVI数据去噪重建方法主要包括阈值检测法、滤波拟合法及曲线拟合法3类。各方法在应用时均需根据不同的土地覆盖类型或特定的研究区域设置一定数量的经验参数,对噪声的定义缺乏客观标准;此外,这3类方法都没有进行专门的噪声检测,在进行NDVI数据重建时只是根据经验进行噪声判断。本文提出了一种基于狄克松(Dixon)检验法、适用于对小样本进行检测的数理统计噪声检测方法,该方法首先对同一像元、同一时段、不同年份的NDVI时序数据进行统计分析,然后再结合质量评估数据的分析结果,最终给出NDVI是否异常的判断。运用狄克松检验法对噪声进行检测,然后结合已有的两种数据重建方法--变权重滤波法和Savitzky-Golay方法,基于2001年-2010年250 m分辨率的MODIS NDVI时序数据,对覆盖中国55种植被类型共520个测试样点及洞庭湖测试区域进行了NDVI时序数据重建实验,结果表明,狄克松检验法降低了对先验知识的依赖程度,应用该方法对NDVI时序数据中的噪声进行检测预处理后,可以有效提高变权重和Savitzky-Golay方法的数据重建质量。     

北京地铁隧道结构整体变形监测的研究

本文结合北京地铁一号线八宝山站至八角游乐园站区间结构变形监测工程,提出了一种对城市地铁隧道变形三维整体监测的方法,在不中断地铁正常运营的情况下,得到地铁整个变形区域形变的三维数据,不仅精密的监控了隧道衬砌、轨道和道床的形变,确保行车安全;而且可以方便的进行隧道结构和轨道变形的力学分析,从而达到了解地铁变形机理、掌握形变规律、预测形变趋势的目的。     

方差分量估计卡尔曼滤波在地铁深基坑变形预测中的应用

在地铁附近基坑工程的施工阶段,通常要对地铁隧道结构进行水平位移监测、分析和预测。采用卡尔曼滤波能实时估计出水平位移状态向量,实现水平位移预测,如果卡尔曼滤波中动态噪声不准或不易确定,就会导致滤波发散而无法获得准确的预测结果。研究和采用基于方差分量估计的卡尔曼滤波,利用预报残差实时更新模型的动态噪声方差,可以避免滤波发散,提高预测精度。实际应用表明,基于方差分量估计的卡尔曼滤波能获得较好的水平位移预测效果。     

基于小波降噪和神经网络的GPS高程时序预测模型

全球定位系统（GPS）时序数据预测的工作中发现,通常时序数据中含有的噪声会干扰数据预测的结果.为了降低时序数据中噪声对预测结果的负面影响,将提升小波阈值降噪技术和长短期记忆（LSTM）神经网络相结合,实现一种GPS时序数据降噪预测模型.该模型在预测之前首先利用提升小波与平滑阈值函数对GPS时序数据中的噪声进行剥离,然后构建多层LSTM神经网络对时序数据进行单步预测.通过实验与多种时间序列预测模型进行对比,结果表明所提出的LSTM预测模型对GPS时间序列的预测具有较强的适用性和较高的准确性.      

隧道变形预测的BP神经网络模型

本文根据神经网络的基本原理，利用实测数据建立了用于大断面隧道收敛变形预测的BP神经网络模型。基于神经网络的预测模型具有预测精度高，使用方便灵活，适合于复杂系统的特点，是解决隧道变形预测问题的一种崭新途径。     

一种基于噪声统计特性的改进EMD降噪方法

GPS高程时间序列中通常都含有噪声,容易对GPS信号解算精度造成影响。针对这一问题,本文基于噪声统计特性,提出了一种改进的EMD降噪方法。首先将信号进行EMD分解,得到低频信号与高频噪声两个部分;然后将高频噪声部分随机打乱两次,并与原始高频噪声累加,求取平均值;最后与低频信号累加,构成一个新的信号再次进行EMD分解,提取出有用信号。最终利用模拟数据和WUHN站实测GPS高程时间序列数据对该方法进行验证。试验结果表明,当信噪比较高时,本文方法得到的降噪效果更佳。     

BDS/GPS在鄂北水资源配置工程中的应用与分析

研究BDS/GPS在鄂北水资源配置工程宝林隧道控制网中的应用,利用宝林隧道二等GNSS控制网2016年4个观测时段数据,分别采用BDS、GPS、BDS+GPS三种模式解算各个时段的基线向量,并以GAMIT的解算值作参考进行成果的精度分析。基线向量结果表明,BDS可以满足宝林隧道的测量精度要求,但在观测条件不佳时,需对观测数据进行筛选,去除噪声较大的历元观测值。对比BDS、GPS单系统基线结果,N与E方向差异可以保持在5mm左右,U方向大部分保持在10mm左右,BDS+GPS观测数据解算精度高于任何一种单系统。不同数据的平差结果精度指标均符合规范。同时对点位进行稳定性分析,不同数据分析结果基本一致。     

多尺度点云噪声检测的密度分析法

当前机载激光雷达数据和影像匹配得到的点云是密集点云数据的两类主要来源,但都不可避免存在着噪声点。本文提出一种新的点云去噪算法,可适用于这两类数据中所包含的噪声点的去除。算法主要包括两步:第1步利用多尺度的密度算法去除孤立噪声和小的簇状噪声;第2步利用三角网约束将第1步中误检测为噪声的点重新归为正常点。针对真实数据进行了剔噪试验,结果表明本文提出的基于密度分析的多尺度噪声检测算法对孤立噪声和簇状噪声都有较为效,且对于质量较差的影像匹配点云的检测也能有效处理。本文算法检测率达到97%以上。     

基于X-11-ARIMA模型在GNSS定位数据后处理的应用

定位数据分析及后处理是卫星导航定位系统在测绘和地灾监测应用中的关键环节. 通常,在卡尔曼滤波处理定位数据后得到的平滑数据,能够剔除噪声干扰得到贴近真值的数据. 但在长时间跨度的情况下,周期性发生的干扰难以在短时间内被识别和滤除,从而反映为一种频率较低的噪声波动. 假设该波动干扰存在周期性,以X-11分解时间序列分析方法进行数据处理,平滑后定位数据的方差从4.733减小至2.683,精度提高了43.3%. 并对拆分数据进行差分自回归移动平均模型(ARIMA)建模预测. 还原数据对比直接预测数据的分析结果表明:拆分后分别预测再整合还原精度高于直接预测5%～10%,可以应对平滑处理实时性差的问题.      

改进局部均值分解及在建筑物变形监测中的应用

局部均值分解(Local Mean Decomposition,LMD)算法在对建筑物变形监测数据进行噪声抑制时存在端点效应及阈值设置困难问题,提出一种基于噪声辅助和奇异值分解(Singular Value Decomposi-tion,SVD)改进的LMD噪声抑制方法,首先通过对原始变形数据加入受控高斯白噪声再进行LMD分解的方式解决传统LMD方法的端点效应问题,然后利用连续熵差值特征确定LMD分解的高频分量和低频分量分界点,其中低频分量为变形趋势信息,高频分量包含噪声分量和变形信息,最后利用SVD对高频分量进行噪声抑制,并将其与低频分量叠加得到噪声抑制后的建筑物变形信息.采用仿真数据和实际工程实例对所提方法的噪声抑制性能进行验证,结果表明相对于传统LMD方法,经验模态分解方法(Empirical Mode Decomposition,EMD),所提方法可以获得更好的噪声抑制性能,能够明显提升建筑物变形预测精度.     

超宽带定位的降噪方法研究

针对超宽带定位中原始观测数据存在的高频噪声影响定位结果的问题,该文利用小波变换、Vondrak滤波、卡尔曼滤波3种方法分别对原始观测数据和定位结果两种方案进行降噪处理,并通过静态实验对比了降噪前后定位结果精度。结果表明,在两种降噪方案中,3种方法都能够有效提高定位结果精度,且卡尔曼滤波方法的效果最优,此外,对于同一点位,两种降噪方案得出的定位结果精度基本一致。     

大湾隧道监测数据的处理与分析

大湾隧道是邵怀高速公路重要工程之一,为了确保隧道施工的安全可靠性,对大湾隧道进行了全程监控测量工作.对隧道的水平收敛测量数据和拱顶沉降测量数据进行了处理与分析,运用了对数函数、指数函数和最小二乘法三类回归函数进行了回归分析,比较了三种回归函数,讨论了其对位移预测准确性的影响.回归分析结果表明最小二乘法不仅可以很好地拟合软弱围岩开挖后的初期变形,还可预估围岩的最终变形量,且相关系数高.     

受外界随机干扰影响的光纤陀螺信号分析与处理

针对受外界随机干扰影响的光纤陀螺信号进行分析并作了相应处理。分别比较了小波变换和建立在AR模型基础上的Kalman滤波两种滤波方法,并用实测数据进行验证。结果表明,相对于小波变换,建立在AR模型基础上的Kalman滤波不仅能够削弱有色噪声的影响,还能够部分削弱高频噪声的影响,滤波效果较好;将小波变换和Kalman滤波两种方法的优点结合起来,可以获得更好的滤波效果,有效地削弱了信号中各种干扰噪声的影响。