建筑物基础沉降数学模型研究

建筑物的基础沉降情况对建筑物的安全运营至关重要。已越来越受到人们的重视。本文在分析建筑物基础沉降成因的基础上，吸取当前常用数学模型的优点，经综合分析，事理成为一种全新的数学模型，并应用工程实测数据，对该数学模型的精度、预报能力等进行了验证，证明该模型是一种较有效的数学模型。     

综合物探方法在隐伏岩溶区的应用分析——以长宁页岩气区块宁2019H18钻井平台为例

岩溶塌陷具有隐蔽性和突发性,是碳酸盐岩地区工程建设过程中常见的不良地质问题。长宁地区岩溶发育广泛,其页岩气开发利用受困于岩溶塌陷危害,综合运用微动、高精度重力、瞬态面波和等值反磁通多项物探方法,调查长宁页岩气区块宁2019H18钻井平台下伏地质体特征,查明土洞和溶洞的发育状况,结合钻孔数据进行验证,主要成果包括：(1)微重力探测呈现重力值南东高、北西低,重力场响应特征表明该场地南东放向基岩密度较大且完整,而场地NE向基岩密度低;(2)微动剖面响应结果与微重力成果对应较好,场地速度结构南东高、北西低,岩石的波速与密度呈正相关;(3)进一步查明了场地下方软弱岩层的分布范围,场地SN向基岩完整性好,场地NW向存在着一条裂隙带,裂隙带内充填较为破碎松软的全风化砂岩,其承载力较低。通过物探三维可视化成果,可以为下一步场地建设指明方向,为类似工程案例提供科学依据。     

四川南江地区上震旦统灯影组混积层系特征及成因

陆源碎屑和碳酸盐混积层系是一种沉积机理特殊而又有重要意义的沉积现象。四川南江新立村下震旦统灯影组剖面碎屑岩-碳酸盐岩混积层系发育良好。在该剖面上共识别出4类混积层系岩石组合类型：细砂岩-泥晶白云岩组合（Ⅰ）、粉砂岩-泥晶白云岩组合（Ⅱ）、粉细砂岩-含粉砂白云岩组合（Ⅲ）、含砾砂岩-白云岩组合（Ⅳ）。通过岩石类型、岩石组合特征的分析,显示出灯影组二段上部-三段由下向上发育混积中潮坪、潮下浅滩、潮道、低潮坪4种沉积亚相,而混积层系主要产出于混积中潮坪和潮道亚相。微量元素指示研究地层整体形成于氧化环境,但发生混积层位的形成环境相对缺氧。根据当时海平面变化和大地构造演化,认为灯影组陆源碎屑和碳酸盐混积层系的出现与桐湾运动玉幕之后海平面下降导致的陆源碎屑输入增强有关。     

高铁无砟轨道基准点平面测量方法

介绍一种在狭长测量条件下基于边角后方交会自由设站的测量方法,阐述方法的原理,并结合石武高铁CRTSⅡ型板式无砟轨道基准点平面测量的具体实例应用,分析该测量方法的精度,证明该方法在狭长呈带状、要求越来越高的测量环境中应用的可行性和可靠性,对其他大型精密工程测量具有参考价值。     

改进PS提取方法在GB-InSAR中的应用

地基合成孔径雷达(GB-InSAR)可以实现对小范围目标的连续高精度监测,而永久散射体可以帮助GB-InSAR系统提供稳定可靠的监测目标。相关系数阈值法是一种传统的永久散射体提取方法,但在实际应用中存在一定的误选。为了减少误选,提高相关系数阈值法选取永久散射体的可靠性,提出一种改进的相关系数阈值法,并通过实验验证其可靠性。     

变权组合预测模型在大坝沉降监测中的应用

为探讨变权组合预测模型在变形监测中的应用,以监测某大坝沉降量为实例,研究基于线性回归预测模型和灰色模型GM(1,1)的变权组合。通过预测该大坝坝内沉降量,比较两种单一预测模型和变权组合预测模型的预测误差平方和,证明变权组合预测模型在沉降预测中具有更好的预测精度。     

GPS RTK在海岛(礁)测量中的应用

本文简要介绍了GPS RTK技术在海岛(礁)测量中的基本原理,根据海岛(礁)地形的特点,探讨并实践GPS RTK测量海岛(礁)地形的具体方法和步骤,同时利用高精度全站仪对GPS RTK的测量精度进行评定,证明GPS RTK精度能够满足海岛(礁)地形测量的要求。     

地铁隧道保护区水平位移监测方法的研究

介绍一种在狭长的地铁隧道环境下基于边角后方交会的自由设站测量方法,阐述方法的原理,推导计算公式,结合在南京地铁隧道保护区监测水平位移测量的具体应用实例,分析方法的测量精度,证明方法在此类狭长条件下进行测量的可行性和可靠性。     

南京长江第四大桥索夹的定位测量

以南京长江第四大桥索夹放样为例,介绍该桥索夹位置计算和测量放样的基本方法和流程。分析影响悬索桥索夹放样精度的因素,并加以修正或消除,用以提高索夹放样精度。实践证明本桥索夹放样方法简单、可靠,满足设计要求。     

基于小波分析的灰色-神经网络组合模型在大坝变形预测中的应用

监测序列经小波分解后可以得到各层分量。对低频分量采用灰色GM(1,1)模型进行建模预测,对高频分量采用BP神经网络进行建模预测,最后将各分量进行小波重构,得到监测序列的预测值。将预测值分别与没有进行小波分解直接用GM(1,1)模型预测的值和经小波分解的低、高频系数都采用GM(1,1)模型预测的值进行对比,发现经小波分解的灰色-神经网络组合模型预测精度更高。