三次样条在北斗卫星轨道插值中的应用

本文选用三次样条函数对北斗高轨卫星的轨道数据进行插值计算,结果表明,三次样条函数基本没有龙格现象,但插值模型中含有明显的随机性系统差,因此本文采用附加系统差的最小二乘配置,对三次样条的插值结果进行处理,使精度提高了10倍左右。      

融合三次样条插值的D-InSAR沉陷变形监测技术

传统煤矿开采沉陷形变监测只能获得离散监测点的地表形变量,无法获取沉陷区整体的形变趋势,而D-InSAR技术能够获取整体地表形变信息,但D-InSAR技术需要大量遥感影像数据,否则导致时间失相干性而无法获得连续的形变量。本文针对D-InSAR影像数据解译过程中影像数据较少的问题,首先利用D-InSAR技术对淮北矿业集团袁店二矿7225、7226工作面进行了监测分析,获取了几个时间段内整体的下沉形变场;然后提出了采用三次样条插值与D-InSAR技术相结合的开采沉陷监测方法,基于D-InSAR影像上监测点监测值,利用三次样条插值建立了内插反演函数,在已建立函数的基础上得出了其他雷达卫星重访周期内的下沉值;最后将内插反演下沉值与实测水准数据进行了对比分析。结果表明：D-InSAR监测结果能够有效地反映开采沉陷的影响范围,能够较为准确地提取区域地表的形变信息;结合三次样条插值的D-InSAR技术监测结果最大误差和最大相对误差分别为31.5mm和17%,该方法能有效地解决D-InSAR影像数据缺少的问题。     

结合卡尔曼滤波和时序模型的隧道初支沉降预测

结合卡尔曼滤波和时序模型对隧道施工初支断面的沉降观测数据进行处理并预报分析,由于隧道中复杂的施工环境影响,容易造成观测数据存在不确定性,而卡尔曼滤波有去噪能力强、数据处理快速的优点。设置时间序列模型为空白对照组,实验表明利用卡尔曼滤波算法结合时间序列模型预测精度总体高于时间序列模型预测精度,可以为指导施工提供有效的定量依据,为施工生产的安全性和经济性提供保障,可在今后的隧道施工中应用。     

三次参数样条曲线在等高线矢量化中的应用

主要阐述了如何应用参数样条曲线在AutoCAD中快速准确地矢量化等高线。通过对三次参数样条曲线不同边界条件所绘线形的分析，最终选定了用夹持端样条曲线来矢量化等高线，并在AutoCAD平台上和VC＋＋6．0开发环境下，用ObjectARX开发工具包开发完成该矢量化程序。实践证明，该法切实可行，提高了工作效率。     

基于灰色模型的建筑物沉降预测研究

由于非等间隔GM(1,1)灰色模型对于处理数据量小且表达信息不确定的数据具有优越性,因此广泛应用于石油天然气勘探、机床故障诊断、电力负荷预测、大坝安全监测等领域。基于非等间隔GM(1,1)灰色模型理论,利用某小区建筑物沉降观测的实测数据,建立了适合该小区建筑物沉降预测的灰色模型。通过对比理论预测值和实测值,并进行模型对应的精度评定分析,结果表明,此模型适用于该建筑物沉降预测分析的研究。     

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。     

不同插值方法对GPS时间序列的影响分析

针对现有GPS时间序列研究中不同插值方法对比方面研究不足,文中选取ITRF2008框架下的7个IGS基准站坐标时间序列,按照其缺值情况分为6种方案,分别采用线性插值、三次样条插值、拉格朗日插值和建模插值等6种方法对不同缺值情况下的GPS时间序列进行插值,并对不同方法的插值效果进行对比分析．结果表明,三次样条插值和拉格朗日插值效果较差;当缺值数量较少时,最邻近插值、线性插值、三次多项式插值和建模插值效果相差不大;随着缺值数量的增加,建模插值效果最好．      

半参数回归模型中非参数信号的推估--三次样条函数插值法

对于半参数回归模型yi=Xi^Tβ s(ti) e，在文献[1]的基础上考虑其非参数信号s(f)的推估j(f)，从而有利于研究非参数信号；接着给出了s(t)与s^-(t)的偏差大小，从而为推估的准确性提供理论依据；并以实例加以证明。     

基于三次样条的大地测量半线性反演方法

大地测量反演中的大部分问题都是非线性问题,如何解算和评价非线性反演问题是大地测量反演研究的重点和难点。本文给出了大地测量半线性反演的基本理论,针对实际的观测数据采样并非等距均匀,提出了基于三次样条的大地测量半线性反演方法,该方法综合了当前非线性反演受初始模型受制约较小和线性反演理论具有完善评价体系的优点。     

基于三次样条插值实现无人机高动态运动轨迹插值

差分全球卫星导航系统（GNSS）技术辅助空中三角测量技术可实现无人机影像元素的高精度绝对定位．机载GNSS模块采样频率一般不超过50 Hz,更高的采样频率对GNSS模块软硬件提出更高的要求．本文基于三次样条函数实现无人机高动态定位的三维坐标插值,并通过实测数据检验三次样条函数的适用性,实验结果表明,固支样条更适用于无人机高动态运动轨迹坐标插值,当采样频率高于5 Hz时,平面插值精度优于1.0 cm,高程插值精度优于2.2 cm.      

一种基于GA-BP-MC神经网络的高铁桥墩沉降预测模型

提出一种基于马尔科夫链修正的遗传BP神经网络预测模型（GA-BP-MC）,利用遗传算法的全局寻优能力初始化BP神经网络权值和阈值,初步建立GA-BP神经网络预测模型,结合马尔科夫链的无后效性修正模型预测值,形成高精度GA-BP-MC神经网络变形预测模型。结合高铁桥墩沉降数据,分别与BP神经网络、GA-BP神经网络预测模型进行对比,结果表明,该预测模型精度最高。     

基于非等时距数据序列的高层建筑沉降预测

将泊松曲线引入到高层建筑的沉降预测分析中。采用牛顿插值平均法将非等时距数据转化成等时距数据,通过三段计算法求解模型系数,并结合高层建筑沉降监测工程实例计算分析,结果表明:泊松曲线预测与实际沉降数据吻合较好,拟合曲线精度较高,预测效果明显好于传统的双曲线法和指数曲线法,具有较高的实际应用价值。     

基于自回归分布滞后模型的地面沉降预测

地面沉降与地下水水位变化不同步,且地面下沉受自身影响较大,建立滞后作用下地面沉降预测模型,以某地区地面沉降为例进行模拟试验,并探讨模型拟合效果与预测精度。结果表明,自回归分布滞后模型的拟合效果较好,预测精度较高,可以用到地面沉降量计算中。     

基于GM(1,1)等维新息模型的矿山沉降预测

介绍了GM(1,1)灰色模型的建立过程及模型的精度评定方法,采用等维新息模型对某矿工业广场的沉降趋势进行了预测,并用残差序列建立GM(1,1)模型进行修正,通过与实测的结果对比表明,模型的预测具有较高的精度,模型可靠合理。     

基于时间序列分析的桥梁变形监测预报研究

时间序列分析方法对短期建筑物变形预报具有较高的模型拟合及预报精度.本文从时间序列预测算法原理出发,阐述了使用此方法对所获得的桥梁变形监测数据进行模式识别、模型建立及预报的过程,并利用MATLAB实现了编程代码.通过对某桥梁变形监测预报的应用表明,该方法实用性较强,可以及早为桥梁变形做出预警,以避免或减少灾害的发生..     

时序InSAR北京地区地表沉降监测与分析

针对北京地区地表沉降现象,本文采用时序InSAR方法获取了2018—2020年的沉降速率场与累计沉降量场,并选取特征区域及不同空间跨度的两条地铁线路进行具体沉降分析。结果表明：(1)北京地区不均匀沉降现象较为明显,总体呈现西部抬升、东部沉降的空间分布特征;(2)存在3个较明显的沉降漏斗,最大累计沉降量达-218.5 mm;(3)朝阳区存在金盏沉降漏斗及豆各庄沉降漏斗,且两个沉降漏斗在本文研究时间跨度内均呈扩大趋势;(4)地铁5、6号线均存在不同程度的沉降与抬升现象,沉降现象与地下水及地下空间的过度开采存在一定的关系,而地区抬升现象与南水北调工程对地下水的补充存在相关关系。     

基于小波去噪的地铁变形组合预测模型分析

对地铁监测数据建立相应的预测模型,对变形可进行前瞻性预测,从而保证地铁安全的施工和运营。本文以北京市地铁某基坑工程为研究对象,首先以某一监测点为例,利用小波分析对原始监测数据进行去噪处理;然后分别利用时间序列分析模型和BP神经网络模型对去噪后的数据进行建模分析,得到原数据的拟合值和对未来变形的预测值;最后利用同期Sentinel-1A卫星影像进行相干点时序InSAR处理,得到形变结果。通过分析两个模型的预测值与实际值,并与InSAR结果进行对比,验证了两个预测模型在地铁形变监测中应用的优劣性。     

基于自然样条补偿最小二乘的高程误差研究

基于非参数自然样条补偿最小二乘估计方法,把GPS高程数据与对应的水准数据的差值作为观测值,按照非参数自然样条补偿最小二乘的估计方法,得到消弱偶然误差v之后的平差值,并以此去改正GPS高程,可以取得较好的效果。并以某河道测量采集的数据作为事例,证明该方法的有效性。