基于灰色时间序列分析的建筑物变形预报研究

提出一种基于灰色时间序列分析的建筑物变形预报方法。对建筑物变形观测数据进行累加,削弱其随机扰动的影响。通过增强建筑物变形观测数据规律性,达到提高时间序列分析预报模型精度的目的。实测数据分析表明,该方法能够有效提高变形预报的精度与可靠性。     

GPS变形监测系统中消除噪声的一种有效方法

GPS变形监测系统的观测资料可看成为与时间有关的数据序列，应用小波分析理论，研究了时间序列观测数据的误差消除问题。结果表明，借助于小波分解与重构，可有效地从强噪声干扰的观测数据序列中提取变形特征。该方法解决了传统处理技术对非平稳、非等时间间隔观测数据序列滤波的局限性问题。     

混沌理论在变形分析与预报中的应用

由于受到各种环境因素及仪器本身的影响,变形监测被看作为一个复杂系统。它本身的各种参变量是不确定的、随机的,表现为复杂的非线性行为。运用现代混沌理论,对变形监测时间序列进行探索性研究,把混沌时间序列理论引入到变形分析研究中,对该理论的建立及预测方法进行了讨论。通过实例表明混沌时间序列预测方法对变形数据序列的预测具有比较好的精度。     

GM(1,1)变形建模中元素选取的对比研究

以某煤矿工作面内某点的沉降观测数据为依据,分别选取累计变形量、单次变形量以及日变形速率为建模元素获取建模序列,用c#对该点建立均值GM(1,1)模型,得到3种不同建模序列的沉降预测值.对比分析发现,单次变形量以及变形速率序列对建模数据预测优于累计变形量序列.而且若等周期观测,变形速率与单次变形量预测效果相同;非等周期观测时,单次变形量序列预测效果最好.     

多元回归与频谱分析在地铁自动化监测分析中的应用研究

多元回归分析是变形监测数据分析的常用方法。本文首先给出多元线性回归模型以及模型显著性检验方法,然后结合频谱分析可以确定时间序列数据的周期性,综合使用两种方法进行地铁保护区自动化监测数据分析,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。     

小波分析在GPS变形监测数据处理中的应用

阐述了小波变换在变形监测数据处理中的应用方法,将变形监测的数据序列视为不同频率成分组成的数字信号,用MATLAB编程实现小波分析对监测数据的粗差识别、消噪、发展趋势的提取,实例表明,小波分析可以较好地适用于大坝变形监测的数据处理。     

基于时间序列模型的变电站沉降预测分析

变形分析与预报是变形监测数据处理的重要内容,而时间序列模型是常用的变形分析与预报工具。本文采用时间序列模型对变电站沉降数据进行分析建模,从而掌握变电站的沉降规律,预测未来沉降趋势,对下一步施工具有实际指导意义。     

变形测量数据分析的ARAR模型法

变形测量数据分析在变形测量中占有非常重要的地位。在变形测量数据分析中，时间序列的分析方法，是一种重要的变形测量数据分析方法。由于时间序列的理论直到现在仍然不完善，所以在实际的应用中存在各种实际的问题。本文作者在实验的基础上提出变形测量时间序列分析的ARAR模型方法。经实例计算，认为该方法具有较为理想的计算精度，较好地解决了时间序列分析中的几个基本问题。     

一种新的时间序列变点算法在变形数据分析中的应用

本文在传统的变点分析理论的基础上,针对传统变点处理的方法,提出利用自适应神经网络,在原时间序列的基础上,适当选择滚动窗口的长度d和窗口每次移动的间隔为n0,形成新的序列作为自适应神经网络的输入,对新序列进行分类,得到变点个数和位置,在此基础判断变点的类型。本文用模拟数据和实测滑坡三维变形数据和坝体变形数据对算法的有效性进行了检验。     

时间序列分析在地铁变形监测中的应用

本文基于平稳时间序列数据的分析处理方法,研究了利用ARMA(p,q)模型进行地铁变形数据处理和预报的方法与步骤,应用统计软件SPSS19.0对实测变形数据进行了处理。结果表明:应用ARMA(p,q)模型分析处理变形数据十分有效、可靠;同时充分利用现有的统计软件SPSS进行建模具有操作简便、计算准确可靠、预测精度高等优点。     

构造断面法在滑坡变形监测数据处理中的应用

数据处理是滑坡变形监测的一项重要工作,目前应用的滑坡变形监测数据处理方法很多。针对一些方法的不足之处,文中介绍了构造断面分析法处理滑坡体变形监测数据的原理和方法,通过举证在积石峡水电站I^#滑坡体变形监测数据处理中的应用,证实该方法的可行性。     

基于C#的建筑物变形监测数据处理系统设计与实现

建筑物变形监测对建筑物安全施工、运营维护具有重要作用,通过对建筑物变形监测数据处理问题的研究,设计开发了基于C#的建筑物变形监测数据处理系统,详细介绍了建筑物变形监测数据处理理论、设计思路、系统模型和主要功能模块,为建筑物安全施工运营维护提供参考依据。     

变形监测信息管理系统的设计与实现

介绍了GIS数据管理与图形显示的优势、组件技术,设计了变形监测数据管理系统平台,实现了变形监测数据的智能化管理、分析与预测.     

变形监测数据管理与分析系统设计与实现

变形监测具有周期性、监测时间长、监测点多等特点,导致监测数据量大,故对海量变形监测数据的管理与分析就显得十分重要。为了实现对海量变形监测数据的高效管理与分析,文中采用C#语言,以SQL 2008为数据库,编写变形监测数据管理与分析系统,并通过工程实例验证系统的高效与可行性。     

基于LWR-Pettitt算法的GNSS变形信息的识别与预警

针对GNSS变形监测的数据通常无特定的分布特性,不利于建立具有普遍性的统计量,本文引入非参数检验中的Pettitt检验方法建立统计量,进行GNSS监测序列中变形信息的识别与预警。同时,针对Pettitt检验方法中存在统计量振幅波动较大,并且只能识别单个变形信息的问题,基于局部加权回归法LWR,对Pettitt检验中统计量与阈值判断方法进行优化,提出一种新的LWR-Pettitt算法,并用于GNSS变形信息识别与预警。试验结果表明,对于不同的测试数据,新方法均可有效地识别变形信息的发生位置,特别对于趋势型变形;而对于突变型变形,新方法可有效地识别2倍标准差以上的连续变形信息。     

基于激光点云的隧道断面连续提取与形变分析方法

地铁施工、运营阶段的监控量测,可有效保障隧道结构的稳定与周围环境的安全。现有的收敛计、全站仪等变形监测手段,虽然可以得到高精度的观测数据,但获取的监测点位过于稀疏,难以全面反映隧道整体的形变特征。本文将三维激光扫描技术用于地铁隧道形变监测,提出了基于激光点云的隧道断面连续提取与形变分析方法,并对提取的两期断面进行了形变分析,试验结果表明该方法能够更直观地表现隧道整体变形,研究成果可为隧道形变动态监测提供借鉴。     

顾及协方差函数的自适应四叉树InSAR数据压缩算法

利用InSAR数据进行形变机理反演时,由于InSAR数据点众多,且含有较多的误差乃至粗差点,严重制约了反演的效率和可靠性。为此,本文提出了顾及InSAR数据物理空间相关性来设立协方差函数,并依据协方差函数确定四叉树象限分解阈值和最大象限大小的自适应四叉树分解InSAR数据压缩算法。本算法能够在尽可能保留形变信号特征细节信息的同时,极大地降低InSAR数据量。本文以西安地区地面沉降InSAR结果为例进行了实验分析,验证了该算法的有效性,结果表明该方法能够在不损失形变信号特征的同时,有效的实现InSAR数据压缩和噪声消除的目的。     

大坝变形监测数据的小波分析处理方法

引入小波分析方法对大坝变形监测数据的处理,实现了对离散型的变形数据的尺度分解,对变形趋势的分析。并且对变形数据在滤波、消噪等方面,对分解层次中的偶然误差特性分析,以及阀值的选取方法进行了比较,表明利用小波变换的方法对变形数据的分析处理是有效、可行的。     

喜马拉雅块体现今运动学特征的地震矩张量反演分析

利用地震矩张量反演计算了喜马拉雅块体地震主应变率，应变率主方向以及变形速率，探讨了喜马拉雅块体现了形变特征，并与GPS形变监测结果以及地震结果进行了比较分析。地震矩张量反演结果表明，喜马拉雅块体不仅有南北向的压缩变形，而且有显著的东西向拉张运动，其变形量级与GPS形变监测结果，地质资料得出的结果基本一致，与珠峰地区GPS计算结果获得的该地区的应变趋势基本一致。