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。     

综合运用非线性回归和时间序列分析研究边坡变形

边坡变形的复杂性决定了运用非线性回归模型很难准确解决边坡变形规律。本文将讨论综合运用非线性回归模型和时间序列分析的方法进行变形预报。即运用非线性模型和其他模型的有机结合和综合运用正确分析和解决边坡变形规律,同时利用时间序列分析方法解决边坡周期性变形规律,并通过某实测边坡上一系列监测点监测资料的分析和研究,证明该方法的可行性。     

基于Surfer和Grapher的基坑变形监测数据分析

针对当前基坑变形监测数据分析可视化程度低、分析功能单一的现状,本文提出了一种基坑变形监测数据分析方法。该法在Surfer中将沉降量构建格网数据,通过插值方法绘制等沉降曲线,实现任意点沉降量分析、趋势分析和均匀性分析。通过读取坐标、计算方位角和向量模,在Grapher中构建水平位移向量图,实现水平位移定量精确分析和一致性分析。数据分析实验表明,本文提出的数据分析方法具有较高的可视化效果和较强的分析功能,可进行变形监测整体性分析和趋势分析,且该法具有较高的普适性,是一种可靠的基坑变形监测数据分析方法。     

地面三维激光扫描技术在变形监测中的应用

介绍了将地面三维激光扫描仪应用在变形监测中的数据处理流程和数据分析方法,并针对点云数据的特点,提出了点云和点云直接比较、点云生成模型后比较两种变形分析方法。在此基础上,编制了基于激光点云数据的变形分析软件,并设计了两组实验,验证了两种变形分析方法的有效性以及激光扫描技术应用于变形监测领域的可行性。     

有限元法在基坑变形分析方面的应用

作为基坑支护设计、变形分析的重要方法——连续介质有限元法,不仅具有强大的数据分析和图形显示功能,而且能够充分考虑基坑设计与土方开挖过程的许多影响因素,计算土方开挖对周围环境的影响。本文以南京某深基坑工程为例,首先采用有限元法进行建模分析得出周边环境的变形,然后结合现场实测数据验证模型的可靠性,最后进一步分析得出基坑变形相关影响因素。     

变形分析的神经网络技术应用实例

大型工程施工过程中的变形监测、分析与预报极为重要。变形分析建模的方法很多,神经网络技术的应用是其中之一。文中结合某深基坑工程的监测资料和工作经验,运用神经网络BP算法进行预测分析。简述BP神经网络的基本概念,介绍基坑变形分析的BP神经网络的具体模型结构,将神经网络方法预报结果与实测数据对比效果较好。该成果对生产实践具有参考价值。     

桥梁动态变形规律分析

寻找变形规律是桥梁变形监测的最为关键部分,也是桥梁变形监测的最终目的。然而变形往往都是受多种因素地共同影响而引起,因此变形规律的分析也就十分复杂。本文主要对动荷载作用下的桥梁多次变形监测数据分析,先估计出动态变形规律函数各项参数,再以实际变形观测数据论证桥梁在动荷载作用下动态变形规律函数的成立。     

基于时序分析的建筑物沉降数据处理

变形数据分析与预报是变形监测数据处理的重要内容。基于时间序列分析的特性,研究了应用AR模型对建筑物沉降数据进行分析处理和预报的方法步骤,并通过实例计算证明,该模型具有较好的拟合效果和预报精度。     

基于MATLAB的高层建筑沉降变形监测数据处理

曲线拟合是变形监测数据处理与分析的常用方法。以济南某高层住宅楼的沉降变形监测为实例,首先介绍沉降变形监测方案,然后根据高层建筑的沉降变形特点,经综合分析比较,采用对数模型对监测数据进行曲线拟合,以MATLAB 7.0为平台编程实现并对建筑的沉降变形进行预报,结果表明该模型对高层建筑的沉降变形数据的处理具有显著的优越性。     

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.     

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。     

基于云模型的大坝变形监测数据分析研究

利用云模型实现定性分析与定量分析之间的转换,并对小浪底大坝沉降监测数据进行分析,验证基于云模型的变形监测数据分析结论的可靠性。     

变形监测预报与警报系统的研究与实现

变形监测数据的建模与预报是变形数据处理的一项重要内容。当前的变形监测数据分析与预报多基于某一种监测项目或某一种方法,其科学性、系统性不良,缺乏警报机制。提出一种覆盖面广、科学性较强的变形监测预报与警报系统,并结合观测数据,对某大厦1号变形点的累计变形量进行预测和警报,效果明显。     

基于北斗的建筑物监测精度分析

随着北斗系统的发展,北斗高精度定位技术应用于变形监测以及大型建筑物、构筑物的动态自动化监测方面展现出了巨大的优势.本文基于北斗和GPS双频载波相位数据处理的组合定位方法,并采用实验数据分析了北斗和GPS卫星可见数、DOP值和数据质量,通过解算建筑物变形监测实测数据对比分析了北斗、GPS及其组合系统定位结果的精度.结果表...     

BP小波神经网络在地铁隧道变形分析中的应用

利用小波分析能够逼近非线性连续函数和良好的局部化特性对BP神经网络模型进行改进。结合BP神经网络的非线性映射和容错性等优点,将小波分析和BP神经网络相结合,并将其应用于变形监测的数据分析处理。本文通过BP神经网络模型和BP小波神经网络模型分别对样本数据进行分析处理,并对结果进行对比,验证BP小波神经网络模型的优越性。     

热点分析在国情监测数据分析中的应用初探

进行地理国情监测是为了使管理部门及时掌握不断变化的自然以及人文环境的变迁信息。地理国情监测包括数据的采集、存储、统计和分析等多项内容。其中数据分析包括对数据基本统计分析以及数据挖掘。作为深层次数据分析和挖掘的有效工具,空间聚类分析可以很好地分析数据之间的内在联系。本文选用热点分析,对规划容积率与土地利用数据进行分析,得到规划数据的空间聚集性结果与土地利用数据之间的关系,为地理国情监测数据分析提供参考。     

GNSS位移监测数据渐进式分析表征方法

为进一步挖掘全球导航卫星系统(GNSS)位移监测数据中包含的变形信息,提升数据使用质效,更好地服务于预警工作。本文以GNSS实测数据为研究对象,采用点—线—面逐级分析,累计量—速率—加速度渐进刻画的方法。结合某滑坡监测实例,重点探究了粗差剔除、三维分量分析、位移矢量分析方法;指出来不利方向投影分析、顶底改正的重要性;论述了监测剖面分析及区域分析的重点内容。结果表明,该方法可较好地挖掘和甄别形变特征,其实用性较强,可为GNSS位移监测预警参数选择及其判据设定提供依据,亦可为同类位移监测数据分析提供有益参考。     

三维激光扫描监测基坑变形分析

为解决传统基坑监测技术无法对基坑整体变形进行有效分析的问题,本文提出地面三维激光扫描技术应用于基坑监测的方法。该方法使用Leica Scanstation C10型扫描仪获取大量基坑围护墙体的点云数据,经过点云处理并建模,采用Geomagic Studio软件对点云模型进行变形分析,得到基坑围护墙体的3D整体变形和2D局部变形。通过和传统的测斜数据进行对比,两种监测技术在变形量上有较大偏差,对产生偏差的原因进行了简单的分析。为了提高三维激光扫描技术的监测精度,文章最后提出了相应的解决措施。     

时间序列分析在工程安全监测中的应用研究

当前我国处于基础建设的大发展时期,对大型工程的安全监测工作提出了更多的要求.在获取工程变形监测的数据后,如何准确地建立变形模型并对未来的变形趋势做出一定的预测,是当前工程安全监测研究的重点.时间序列分析利用逐次观测值间的时序性和相关性,对监测数据建立相应的数学模型并对模型进行研究分析,解析数据内在的结构和特性,然后根据历史数据预测将来的趋势.本文介绍了时间序列分析的相关理论,并在沉降监测数据处理中进行了应用,结果表明,该方法在进行短期预测时效果比较理想.     

小波分析在高层建筑动态监测中的应用

变形分析中，研究小波变换的最终目的在于应用。首先简要介绍了基于小波变换的变形分析方法、作用及实施步骤。然后，结合厦门建行大厦高层建筑GPS动态监测的实测资料进行分析。结果表明，应用小波分析法可以有效地实现结构振动信号的提取。文中给出了GPS动态监测方案、数据分析方法及结果。