线性综合模型用于崩滑体变形预报的研究

综合分析和比较了自回归模型和回归模型的特点，提出了采用线性综合模型来预报崩滑体变形的思想，以弥补自回归模型或回归模型预报的不足，实测资料的处理结果表明，综合线性模型具有特别的适用性。     

改进特征金字塔网络的遥感影像崩滑体提取

针对大多数网络存在精度低,特征冗余,计算量大,训练时间长等问题,提出密集连接特征金字塔网络(DCFPN),将特征提取网络得到的特征图通过一组并行深度可分离空洞卷积进一步计算其全局语义信息,并搭建解码上采样网络,加入连接组合特征层的结构,对遥感影像进行语义分割实现崩滑体提取,较好地解决了参数量过多,计算时间较长和精度较低等问题.通过特征金字塔网络(FPN)和DCFPN在崩滑体数据集上的大量对比实验表明,DCFPN在崩滑体语义分割方面有更高的精度并且计算量更少,训练时间更短,能够更好地为应急抢险工作.     

大坝变形预报的模糊神经网络模型

在介绍模糊推理神经网络FNNLM训练算法及网络参数的确定方法的基础上,以东江大坝12个测点的水平位移预报为例,说明了模糊神经网络模型具有训练时间短、预报精度高的优势。     

桥梁变形的AR预报模型研究

基于时间序列分析卵论,提出以统一的AR模型对平稳可逆的随机时间序列建模的新方法.结合桥梁沉降监测的具体实例应用AR模型进行预报.结果表明,应用AR模型预报桥梁变形,具有模型形式简单、计算量和存储量较小、便于上机实现、模型顶测精度高等优点.     

小波分解下的变形预报组合模型

利用小波变换分解变形监测数据,重构分离得到低频线性项和高频非线性项,线性特征强的子序列使用ARMA模型进行建模预报,非线性特征强的子序列使用神经网络模型进行建模预报,最后合成获得预报值。文中使用隔河岩大坝GPS变形监测数据进行建模预报,分析小波分解层数对预报精度的影响,提出平滑测度确定分解层数的方法,比较ARMA模型或神经网络模型和小波分解下的组合模型的预报精度,结果表明组合模型的预报精度优于单一模型,其精度在0.6mm,最大偏差为1.6mm,平均改善76%和77%。     

基于加权改进灰色模型的建筑物变形预报

针对灰色模型在建筑物变形预报中存在的问题,提出了改进灰色模型的要求。该模型运用了距离最近影响最大的原则,对建模数据赋以一定的权,以体现各个数据的重要性不同;同时给出了三种不同的加权方法;最后,结合工程实际,比较了经典灰色模型和加权改进灰色模型的预报效果。结果表明本文的方法能很好地改善预报精度。     

基于模糊时间序列的变形预报模型及其应用

将模糊时间序列模型引入变形预报,并与灰色GM(1,1)、等维灰数、组合动态等模型进行了比较,计算结果表明,模糊时间序列模型各项精度评定指标优良,并且计算简单,非常实用。     

Elman神经网络在变形预报中的应用研究

神经网络作为一门快速发展起来的非线性科学,在处理一些背景不清楚而且极其复杂信息的时候,就会显示出其独特的优越性。本文通过Elman神经网络应用到滑坡变形监测中,建立预报模型,并以Matlab神经网络工具箱进行程序设计,最后运用到具体实例中,通过模型的预报精度,来验证Elman神经网络模型在滑坡监测预报中的可行性。     

模糊综合评判方法在大坝变形分析与预报中的应用

提出应用模糊综合评判方法进行大坝的变形分析与预报,阐述基本原理,并应用该方法对西津大坝27#点的观测资料进行分析整理,通过建立相应的隶属函数,对此点的30期观测资料进行了预报,成功率达73%,说明该方法在大坝变形观测数据处理中具有一定的实效性.     

顾及空间和时间关联信息的动态变形模型及其预报方法

本文的研究主题是顾及空间和时间关联信息的动态变形模型及其预报方法。论文在分析比较国内外变形分析与变形预报理论和方法的基础上,首先讨论了大信息量下变形观测时间序列的分析途径,提出了一种简洁快速、适宜于实际工程问题动态变形分析与趋势预报的DDS方法。该方法以较少的模型参数和简洁的模型形式表达了系统离乱序列的潜在变化规律,并判断系统的稳定性。针对贫信息条件下的系统建模问题,论文指出了GM（1,1）模型的适用范围,提出了采用灰色组合动态模型代替常规GM（1,1）建模,并以构造模型群、进行模型比选和给出预测区间的模式进行预测模型的有效性检验。提出了一种多因子关联分析新方法,建立了描述变形因果关系的系统状态模型,是变形成因分析的新的研究途径。针对单点变形分析的不足,首次提出了用灰关联聚类分析方法来描述空间点之间的关系,推出了多点的时空非线性动态模型,使局部单点的变形分析转向空间氛友的整体分析。利用长江三峡链子崖危岩体的实际变形观测资料,进行免走的友关联聚类分析,根据数学定量分析与地质定性分析的综合评判结果,建立了多点的变形动态模型,并进行了整体变形分析及预测预报的有效性验证。     

滑坡变形的模式识别

探讨利用变形模式的拓扑约束识别方法来识别滑坡块体的变形模式及其应用问题,并根据GPS多期监测数据对云阳宝塔滑坡体进行了块体识别与分析。实例证明,该方法对滑坡体的块体及块体变形参数的识别是有效的,其结果对于滑坡体的滑带弱化的扩展过程的认识及稳定性分析与监测系统、滑坡整治系统的设计具有一定的价值。     

顾及地下水位因子的卡尔曼滤波模型在滑坡变形预测中的应用

介绍了白水河滑坡的地质环境和监测系统。将滑坡变形看作是时间和地下水位的函数,使用泰勒级数建立滑坡变形与时间和地下水位的函数关系,并将泰勒级数的余项及时间变化的二次方和地下水位变化的二次方的系数的变化量等看作数学期望为0的动态噪声,建立了卡尔曼滤波模型,并用于滑坡变形的预测预报。实例计算表明,模型的拟合效果和预测效果较好。     

基于GA-LMBP网络模型的小浪底大坝3维变形预报分析

BP神经网络在大坝监测资料分析处理中有广泛的应用,本文针对改进的BP神经网络:LM-BP网络模型的不足,采用遗传算法加以改进,建立了一种基于遗传算法和LM-BP网络模型的大坝3维变形预报模型GA-LMBP网络模型。将GA-LMBP网络模型应用于小浪底大坝3维变形预报分析中,取得了很好的预报效果,证明了GA-LMBP网络模型是一种行之有效的大坝变形分析预报模型。     

基于时间序列分析的动态变形预测模型研究

提出了基于AR并将其推广到CAR模型对时间序列统一建模的新观点和方法,并以实例对动态模型与静态模型分别作了应用比较。结果表明,时间序列分析动态模型预测精度高,用途广泛     

多面函数和移动法综合模型支持下的区域垂直形变场拟合

地壳垂直运动的研究中,多面函数法是一种传统并得到广泛应用的方法。本文通过首都圈和晋冀蒙两个地区的实例,对多面函数和移动法综合拟合模型与多面函数模型等几种模型进行了对比研究。结果表明,多面函数和移动法综合拟合模型在拟合精度上优于其他几种模型,拟合残差更稳定,具有一定的实际应用价值。     

灰色组合模型在滑坡变形监测中的应用分析

在GM(1,1)模型的基础上,主要研究了改进残差修正模型、灰色BP神经网络模型、灰色线性回归模型在变形数据的预计精度,并且结合实例分析了不同灰色组合模型在滑坡变形预计的精度以及优缺点。     

滑坡变形分析与预报的新方法

对滑坡变形分析与预报的一些新方法如提升小波、模糊聚类和模糊神经网络等方法及应用进行了研究,为滑坡变形分析与预报提供了新的研究思路。     

基于地面三维激光扫描仪的滑坡整体变形监测方法

地面三维激光扫描仪能高精度、高密度、高速度、非接触的测量滑坡表面三维空间坐标,得到目标体表面点集合。应用点云数据差分比较、基于不规则三角网变形分析、基于规则矩形网格差分比较、等高线重合分析方法分析两个时间段获得的滑坡点云数据集的表面整体变形,依据选择最优法,几种分析方法选择的软件不同。结合本次试验可以得出Cloud Compare与Sufer8的整体变形值的绝对值相差不大,但是Cloud Compare精度高于Sufer8;Poly—works能以三角面为基础很好地分析滑坡表面整体变形。这为以后整体变形监测提供了可供选择的新依据。     

Correlation －SVM 模型在大坝变形预测中的应用

引起大坝变形的影响因素很多,即在利用支持向量机（ SVM）模型进行大坝变形分析和预报的过程中,需要将所有的影响因子都输入到SVM模型中,这样会造成输入因子的不侧重性,基于此,本文对大坝变形的影响因子进行相关性分析,根据大坝变形影响因子和大坝变形量之间的关系来确定最优的影响因子,即将比重比较大的影响因子输入到SVM模型中,从而提高了SVM模型运行效率及预测的精度和速度。     

基于半参数模型的滑坡段数据估计与预测

在滑坡段数据的参数平差模型的基础上,通过在模型中增加表示模型误差或系统误差的非参数分量,将半参数模型的估计理论应用到滑坡段参数估计与预测中,分离出数据中的系统误差,给出了滑坡稳定系数的预测公式;并以云阳-奉节长江顺层岸滑坡段实测数据为例,将半参数估计方法与最小二乘方法进行了比较分析,验证了半参数估计方法应用到估计和预测滑坡段数据的可行性和有效性。