GPS构造沉降监测数据处理及变形分析

为了防洪防灾及对水患区的治理,在洞庭湖区建立了高精度的GPS构造沉降监测网。顾及到对流层延迟的影响,实测了每个测站处的气象数据。基线解算采用了高精度的解算软件GAMIT,监测网平差使用了GLOBK软件。解算出的起算点的坐标精度为±3.0mm。由两期GPS观测数据所计算的各个监测点的南北方向和东西方向的中误差都小于1mm,垂直方向的精度都优于3.0mm。研究和计算结果表明,洞庭湖区的构造沉降变形是很显著的。两期GPS监测获得的每个监测点的垂直变形值显著可信,可直接用于沉降变形分析和地壳运动研究。     

BFGS-BP法在变形监测数据处理中的应用

针对传统的BP神经网络算法计算精度低、收敛速度慢的缺点,本文将求解无约束极值问题的非线性最优化方法—BFGS法引入到BP神经网络模型,构建适用于带有不确定性和非线性的结构变形监测数据的处理和预测的BFGS-BP网络模型。并以某隧道施工过程中的拱顶下沉观测数据为例,进行BFGS-BP与传统BP算法的训练和预测对比试验。试验结果表明,与传统的BP算法相比,BFGS-BP模型具有更高的计算精度、更快的收敛速度。     

GPS技术在滑坡变形监测中的应用

介绍了GPS技术用于滑坡变形监测的方法,并通过三峡库区某滑坡的变形监测介绍了GPS用于滑坡变形监测的整个过程,包括监测网的技术设计、外业观测、数据处理、变形分析等内容。监测结果表明,GPS静态定位技术可以达到mm级的精度,在变形监测方面有很好优越性,完全可以满足高精度滑坡监测的要求。     

小波去噪法在变形监测数据处理中的应用

以某组变形监测数据为研究对象,详细探讨了Matlab小波去噪函数中确定各种参数的方法,再通过得出的最佳参数对实验数据进行处理。结果表明,小波去噪有很好的数据处理能力。     

DPS在变形监测数据处理中的应用

介绍应用DPS软件处理变形监测数据的优点,并应用该软件,结合时间序列分析理论,对某一实测数据进行处理,结果表明,处理结果能达到令人满意的效果.     

时间序列分析在变形监测数据处理中的应用

从时间序列分析的基本原理及方法出发,详细论述了如何使用这种方法对变形监测数据进行识模、建模、与预报.并通过实例计算验证了此种方法具有较高的拟合和预报精度,较好地描述了变形监测点的变化规律.     

测量机器人在金坪子滑坡变形监测中的应用

介绍了测量机器人在金坪子滑坡变形监测中的应用,分析了其误差来源和适用范围,实现了金坪子滑坡变形监测.     

基于Web的滑坡变形监测数据管理系统的设计与实现

应用数据库技术、互联网技术,设计开发了基于Web的滑坡变形监测数据管理系统,面向不同的用户,实现了以B/S方式对滑坡变形监测数据库的管理和监测数据的查询、上传、下载、图形化显示、实时发布等功能。介绍了系统的结构设计、功能和实现,详细阐述了系统的应用情况,弥补了传统滑坡变形监测数据管理系统数据来源单一、数据显示方式不够完善、不易对外发布的不足。     

Kalman滤波在变形监测数据处理中的应用

卡尔曼滤波通过建立状态方程和观测方程来描述系统的动态过程,依据滤波增益矩阵的变化,从测量数据中定量提取有效信息,修正状态参量,利用已有的信息对动态噪声方差阵进行实时估计,从而补偿噪声对数据的影响,有效地提高数据精度。通过用Kalman滤波对郑州某地高层建筑变形监测数据的处理与预测分析,并同多项式拟合方法比较,表明Kalman滤波在处理变形监测数据时具有实时快速、精度高的特点。     

时间序列分析在变形监测数据处理中的应用

在变形监测数据处理中,为了提高预报的精度,本文引入了时间序列分析中的ARMA模型,通过工程实例对该模型的预报精度进行检测,该工程实例的变形监测数据共有30期,本文通过前25期的数据进行ARMA建模并对第26至30期的变形量进行预报,与相应的实际观测值进行对比求差。对比结果显示预报结果良好,一步预报最大残差值在1mm,时间序列分析方法在变形监测数据处理领域应用效果良好。     

SAS/ETS在变形监测数据处理中的应用

在综合考虑数学模型的预测精度与编程实现的可操作性基础上,提出了利用模块对变形监测数据进行时间序列分析,并概括介绍了该模块的3个主要命令使用方法,解决了时间序列分析在监测数据处理中实现起来非常繁琐的问题。最后通过与环境下动态灰色模型综合比较,证明了时间序列分析在变形监测数据处理中操作简单,模拟精度和预测精度都较高。     

地基SAR在滑坡形变监测中的应用

地基InSAR是近年发展起来的基于地基SAR(GB-SAR)获取地表形变的一种新的技术手段,分辨率高、可实时监测,实现毫米级形变监测精度,为近距离滑坡实时监测与预警提供了先进的技术手段。本文首先以澜沧江某滑坡体为研究对象,在滑坡体对岸设立固定站点,按固定频率进行GB-SAR数据采集;然后通过先后两景影像形成干涉对,利用相干阈值方法提取相干点目标;最后利用形变模型提取滑坡体形变结果。研究表明,地基SAR可获得整个滑体形变边界、形变大小空间分布及时间变化历程,对滑坡体灾害实时监测非常有效,可为滑坡灾害监测及预警提供参考。     

变形监测数据的一种小波去噪法研究

变形监测数据不可避免会受到噪声污染,本文根据原始信号特征,通过合理的选择小波基,采用自适应阈值法去噪,可提取变形数据有用信号并恢复信号的光滑性,保留信号曲线的特征,达到较好的去噪效果。实例证明了该方法的有效性和可行性。     

基于自回归法的滑坡监测数据Kalman滤波的应用

介绍了卡尔曼滤波的基本模型,针对运动学方法以监测点位置参数、速率参数为状态向量,以加速度为噪声向量建立观测方程和状态方程的过程比较复杂。把自回归法引入状态方程和观测方程的建立中,并结合某露天矿滑坡动态监测数据分析了模型的应用。结果表明,滤波值和观测值之间差值保持在1～3cm之间,滤波后图像较原观测值图像更为光滑,表明所建模型是合适的,能够反映滑坡动态变化过程,从而为矿滑坡监测预报提供数学工具。     

变形监测数据处理教学演示探讨

为提高变形监测数据处理教学的效果,文章提出采用MATLAB作为变形监测数据处理教学的演示软件,并从教师、学生两方面提出了教学质量的保障对策;从回归分析、人工神经网络、灰色系统的应用角度讲解了MATLAB在教学中的使用方法;最后提出了学生课前预习并开发程序、教师上课演示、课后作业和答疑的教学过程。     

BP模型在变形监测数据分析和预测中的应用

本文通过对BP网络模型的研究,建立BP神经网络预测模型,并使用VC++语言编程加以实现。将模型应用于东江大坝实测变形监测数据的分析和预测,对时间序列建模和以环境变量为自变量两种方法建模,发现这两种模型都可以很好的实现变形量的预测,且以自变量为因素所建立的模型预测精度更高。     

变形监测数据预报的动态贝叶斯ELM方法

贝叶斯极限学习机(BELM)具有充分利用数据先验信息,可以自适应估计模型参数的特点。但在样本数量不断增加时,如果每次都对BELM重新训练将会降低计算效率。针对此问题,本文提出一种动态贝叶斯极限学习机(DBELM)方法以应用于变形监测数据实时预报。该方法以BELM训练的模型参数为初值,根据新增样本信息可对初始模型参数进行动态更新,并从理论上推导了相关计算公式。通过对仿真数据和实际变形数据进行详细分析表明:DBELM方法的预报精度要优于BELM、正则化极限学习机(RELM)、极限学习机(ELM)3种方法。特别是在长期持续预报过程中,其预报性能相对于其余3种方法优势明显。这充分表明了所提方法应用于变形监测数据预报领域具有可行性和有效性。     

电子水平仪在桥梁变形监测中的应用

提出电子水平仪与计算机之间的通信连接应用于桥梁变形监测的方法。通过对简支梁受力变形理论的分析与总结,提出电子水平仪与计算机串口连接,尝试对桥梁进行实时连续的变形监测,编写一套VB平台上的实时监测软件,并以简支梁为例做了桥梁变形监测的模拟试验。