回归分析在大桥沉降监测预测中的应用

在对多期桥梁沉降变形监测数据预处理、观测数据粗差剔除方法分析研究的基础上,提出了基于代表性沉降数据、采用回归分析法对大桥沉降形变进行预测的方法,并在东明黄河公路大桥沉降变形监测项目中得到了成功应用,结果验证了该方法的有效性,研究结论可为桥梁变形监测数据处理及预测预报提供借鉴。     

利用离散小波探测沉降测值异常

研究小波变换在沉降测值异常探测中的应用问题,实例分析证明:借助离散小波的多分辨率分析,能有效地探测和剔除沉降观测中的异常值,获得有效的沉降数据,为进一步进行沉降分析与预报提供可靠保证。     

BDS卫星钟差数据异常值类型识别的卷积神经网络方法

北斗卫星导航系统(BeiDou navigation satellite system,BDS)卫星钟差数据中存在多种不同类型的异常值,直接影响钟差预报的质量和性能分析的可靠性。钟差数据预处理是进行钟差预报和分析的前提条件,其中,对异常值的识别是钟差数据预处理的关键。提出一种面向BDS卫星钟差数据异常值识别的卷积神经网络方法。首先将数值型钟差数据转换为灰度二值图格式的数据;然后根据钟差的图形化特征差异进行分类,制作异常值识别的训练集和测试集;最后利用卷积神经网络方法训练钟差数据异常值识别模型,实现钟差数据异常值的精确识别。利用BDS钟差数据进行实验验证,结果表明,所提方法能够精确高效地识别BDS钟差各种类型的异常值,提高了BDS钟差数据预处理的质量和效率。     

基于小波去噪的BP神经网络在变形监测中的应用

在变形监测领域中,对沉降数据的准确预测能够提前获悉检测对象的变形趋势,避免事故发生.原始监测数据普遍含有异常值,从而会对预测模型精度造成一定影响,降低预测结果的准确性.以BP(Back Propagation)神经网络为基础,采用小波去噪的方式针对剔除和插补原始数据中的异常值,分别建立去噪前后BP神经网络预测模型,并利用工程实例对预测模型精度进行分析.结果表明,小波去噪后的BP神经网络预测模型相比去噪前精度有所提升,精度更高,能够更为准确地反映监测对象的变形趋势.     

克里金插值模型在地面沉降监测中的应用

变形监测在保障工程安全、建筑物的监测以及地质结构分析等方面扮演着重要的角色。尤其是在城市发展中,地面沉降更是非常突出的问题。本文针对目前通过精密水准或GNSS进行地面沉降监测存在监测点位离散,且分布不均的问题,提出采用克里金插值模型进行沉降量内插的设想,并通过北京局部沉降监测实测数据,对上述差值模型进行了验证和精度分析。结果表明克里金插值模型用于地面沉降监测数据内插是可行的。     

融合多源地面沉降监测数据的理论与方法研究

以多源地面沉降监测数据为研究对象,通过多源数据融合方法的研究,力图为多源地面沉降监测数据融合处理提供参考。文中认为多源地面沉降数据融合应采用预处理、融合计算以及插值计算等方法,解决多源数据融合的问题,使融合后的数据能较好地解决单一地面沉降数据的缺点,融合后的地面沉降数据拥有了多源数据的优点,对地面沉降预测提供更加准确丰富的数据基础。     

基于离散沉降观测的城市地面沉降监测

由于离散观测点沉降数据无法全面反映城市沉降状况,探讨了利用大量离散观测点沉降观测数据进行城市地面沉降监测的方法。设计了利用大量沉降观测数据进行空间插值计算的城市地面沉降监测技术流程;提出了基于交叉验证的城市地面沉降空间内插模型的选取方法;并以某县级市为例,利用该方法对城市地面沉降进行了计算和可视化。结果表明,该方法有效可行,操作性高,具有广泛的应用前景。     

郑徐高铁开封段地面沉降分层监测方法

高铁沿线施工期间引起地面沉降的因素错综复杂、相互影响,本文提出通过对沉降区域地下水位、孔隙水压力等进行分层观测,根据分层观测得到地下水位变化、孔隙水压力变化等数据,并采用回归分析法构建了沉降区域地面沉降与诸影响因子的关联模型,通过对郑徐客运专线开封段进行的地面沉降监测量与同时采用二等精密水准测量得到的监测点沉降量进行对比分析,结果表明本方法的有效性和可靠性。     

基于GAMMA的D-InSAR技术在矿区地面沉降监测中的应用

详细介绍了专业的雷达数据处理软件GAMMA和基于GAMMA的双轨D-InSAR数据处理流程;对济宁地区真实L波段的ALOS PALSAR数据进行了双轨D-InSAR处理,完成了从干涉数据的读取到形变图生成的整个流程,并生成了一系列清晰的结果图;结合GIS软件得到研究区的沉降位置、分布和沉降量等信息。研究表明:利用GAMMA软件可以对雷达影像进行双轨D-InSAR处理,得到清晰的中间结果图;双轨D-InSAR可以对矿区进行地面沉降监测,进而掌握由于煤矿开采引起的地面沉降分布和沉降程度,为煤矿区的合理开采和可持续发展提供一定的理论依据。     

基于假设检验的控制点异常值探测和数据诊断

针对控制点中存在异常值的情况,从统计假设检验的角度出发,寻求异常值探测的方法。利用现有控制点成果,通过建立坐标转换模型,构成统计量,利用假设检验方法对数据进行粗差探测,逐一剔除数据中的异常值,从而得到精度较高的控制点成果数据,形成坐标转换中异常值探测和数据诊断的可行方法。     

利用SBAS技术反演城市地面沉降方法研究

随着城市建设进程的加快及地质因素影响,地面沉降研究成为城市安全的热点问题之一。为探讨时序InSAR技术应用在城市安全监测领域的可行性,本文研究了SBAS技术在城市地面沉降中的应用。在阐述SBAS技术原理和探讨SBAS技术数据处理流程的基础上,利用15景2017年Sentinel-1A影像数据,反演南京市地面沉降,并分析其精度。通过与南京市CORS站沉降数据的对比分析,SBAS技术反演结果与CORS站沉降量最大差值为2.9 mm,最小差值为-0.6 mm,均方根误差为1.74 mm,两者沉降变化量基本相符,证明了SBAS方法能有效监测地面沉降,这对城市安全监测与保护具有极大参考意义。     

运用水准和InSAR的地面沉降监测数据融合方法

针对地面监测中水准和InSAR数据的优缺点,提出了沉降数据融合算法以及插值计算方法。采用数据融合方法对水准和InSAR进行融合,较好地解决了水准监测数据的时空分辨率低和InSAR数据中部分地区失相干的弊端,使融合后的数据能更好地描述地面沉降的现状,为更好地预测地面沉降的发展趋势,减少沉降灾害对经济社会的危害。天津地区融合算例表明,所提算法较好地解决了单一数据的缺点,融合后的数据拥有了多数据的优点,对后期地面沉降预测提供准确丰富的数据基础。     

区域地面沉降的主要因素研究

近年来,我国城市地下空间的开发利用愈来愈趋于精细化管理,如何监测区域地面沉降引起的地质灾害受到社会的广泛关注。基于某区域多年来地面沉降监测数据和地质条件综合分析,研究了区域地下构筑物沉降趋势及影响因素,探明了地下构筑物长期沉降和不均匀沉降的主要原因,建立了地面累积沉降量、差异沉降量与沉降趋势的特征关系。通过变形监测数据科学预测地面沉降的趋势与影响范围,为治理和预防因地面沉降造成的灾害提供决策依据。研究成果不仅可为该地区地下构筑物施工安全提供技术支持,也可为城市地下空间规划、布局提供理论参考,还可为复杂软土地区地下工程设计提供理论依据。     

极限误差TLS的粗差探测

在测量的观测数据中有可能含有异常值,这些异常值有可能对TLS的估计结果产生较大影响,甚至有可能使估计结果发生变异,因此必须对估计系统中粗差或异常值进行探测及剔除。本文采用TLS对观测数据进行拟合,并利用极限误差特性对初始拟合残差进行分析,得到了较好的粗差探测结果,对于粗差的诊断具有一定的实际指导意义。     

灰色预测模型在地面沉降中的应用

城市地面沉降已经成为城市发展的严重制约因素,很多城市都在积极采取控制沉降的措施.地面沉降趋势的预测可为地面沉降防控提供数据参考.本文基于天津某地区沉降监测数据,采用灰色理论建立GM(1,1)模型对沉降趋势进行预测.结果 显示,利用灰色模型预测地面沉降具有较高的精度,能够在地面沉降的预测研究中发挥作用.     

InSAR沉降监测量检验方法的研究

本文介绍利用精密水准测量沉降量对InSAR动态监测成果进行精度验证的技术流程,通过PS点沉降量、沉降等值线和沉降曲面等成果的精度对比分析,精密水准点与COSMO影像获取PS点的沉降量之差算术平均值为-0.26mm,与ENVISAT影像获取的沉降量之差算术平均值为-6.36mm,两者精度都达到毫米级,验证了InSAR地面监测成果的可靠性;研究表明InSAR数据分辨率高,准确反映的地面沉降分布和变化趋势,为地面灾害监测提供了重要的数据参考。     

基于相干目标的干涉图叠加方法监测天津地区地面沉降

利用ENVISAT ASAR数据,采用基于相干目标的干涉图叠加方法,对天津地区的地面沉降现象进行了DInSAR监测试验.差分干涉处理采用"两轨法",使用校正了高程异常的SRTM DEM数据消除高程相位.以相干系数为标准选取了相干目标,解缠过程中运用了Delaunay三角剖分和权重最小费用流算法.本文获得的季度平均沉降速率图有效揭示了试验区地面沉降的空间展布及相对形变量,但其获得的绝对形变量尚需地面实测数据校验.     

基于MapInfo的地面沉降信息系统

近些年来，地面沉降已成为受到广泛关注的环境问题，采用计算机等技术，可以对地面沉降进行适时，快速和准确的信息分析和处理，有助于得出沉降成因机理，提出处理措施。本文论述了沉降信息系统开发的方法、系统主要功能和特点。     

基于粗差探寻的回归分析法在沉降监测中的应用

沉降监测工作通常需要长时间进行测量,随着数据量的增大及监测环境的逐渐变化,有可能会导致监测数据出现粗差,以存在粗差的原始数据进行沉降监测分析时,会导致分析预测结果出现较大的错误。本文由正态分布特点出发,对沉降数据使用了粗差探寻的剔除方法,将原始数据中的粗差剔除,再通过回归分析模型进行沉降监测的预测分析。结果表明,粗差探寻能有效地剔除粗差,提高沉降监测的预测精度,平均相对误差由5.795%降低到5.009%。     

多波束数据内业处理方法研究

多波束数据内业处理主要依靠CARIS软件进行,其自动滤波结果中往往包含较多异常数据点,传统的处理方式是依靠人工编辑剔除异常数据,导致内业处理时间较长、效率很低。针对这一问题,本文提出了利用自研点云滤波工具提高多波束数据内业处理效率的方法。首先对传统的多波束数据处理流程进行了介绍,分析了影响总体处理时间的主要问题;其次对自研的点云滤波工具进行了介绍,并借助于该工具对传统的多波束数据处理流程进行改进;最后通过对实测数据进行处理来验证本文提出的方法。实验结果表明,本文方法处理结果与人工编辑结果水深差值中误差仅为0.083 m,但处理时间极大缩短,内业处理效率得到了很大提升。