基于神经网络的高速公路软基沉降分析

简述了高速公路软基沉降观测的目的和意义。介绍了工后沉降的预测方法。其后，简述了BP神经网络的基本概念。论文提出了基于神经网络的高速公路工后沉降预报方法。结合江苏省某高速公路现场监测资料，进行了实例分析，说明此方法是可行的和有效的。它对提高高速公路建设质量具有十分重要的现实意义。     

动态预测软土路基沉降的神经网络模型研究

人工神经网络具有较强的非线性映射能力。本文介绍了神经网络BP算法的一些改进措施。这些措施可以提高BP算法的学习收敛速度,同时也可以提高BP网络性能的稳定性。为避免软土路基沉降传统计算方法中各种人为因素的干扰,本方法利用实测资料直接建模。基于改进的BP神经网络模型,建立了可依据现场量测信息对软基路堤沉降量随时间而发展的过程进行动态预报的分析方法。本文所建立的BP算法模型比较独特,利用该模型预测软土路基沉降精度高,预测结果的稳定性好。     

LiDAR系统测量成果精度检测

LiDAR技术可直接获取三维地表地形数据,具有传统摄影测量方法和地面常规测量技术无法比拟的优越性,已成为获取高时空分辨率地球空间信息的一种全新技术手段,引起了国内外学者的极大关注。LiDAR技术在地形测绘、环境监测、三维城市建模等诸多领域具有广阔的发展前景和应用需求。文中采用试验数据,检测并评价Li-DAR系统生成的DEM、DOM精度,探讨其在基础测绘中的应用可能性,具有现实意义。     

微波干涉测量技术及其在桥梁变形观测中的应用

将步进频率连续波技术和干涉测量技术相结合而构成的地面微波干涉雷达系统GB-radar,可用于获取高精度、高分辨率的变形信息,以实现对地面目标的静动态高精度监测.本文介绍了基于该技术的IBIS-S系统在桥梁变形观测中的应用,分析了测量误差,通过实例验证了地面微波干涉雷达技术可以精细地测量桥梁挠度的动态变化,精度高,可以真实地反映结构物的动力特性.     

遗传神经网络在大坝安全评价中的应用

利用神经网络方法评价大坝安全具有一定的优势,但传统大坝安全评价方法不能为神经网络模型提供合适的学习样本。文中引入安全度值的概念,为神经网络提供可量化的学习样本,并针对BP神经网络收敛速度慢、稳定性差、易陷入局部极小等问题,利用遗传算法进行改进,提出基于遗传神经网络的大坝安全评价方法。工程实例表明,评价方法合理、可行。     

基于Landsat 8的泰山地区植被指数与地形因子关系分析

主要研究了基于Landsat 8遥感数据的泰山地区植被指数与地形因子之间的关系。基于Landsat 8 OLI遥感数据,综合运用遥感图像处理技术和地理信息系统空间分析技术,提取泰山地区2014年7月的归一化植被指数;再利用数字高程模型(DEM)提取该地区的地形因子(海拔、坡度以及坡向);进而使用叠合分析法,分析了泰山地区植被指数与地形因子之间的关系。研究结果表明:泰山地区总体上植被指数(NDVI)值较好;植被指数随海拔的升高而增加;坡向对NDVI值影响明显,东北坡植被指数最高。数据分析的结果对于泰山地区生态环境的监测保护与可持续发展都有积极意义。     

江苏地区Tm-Ts相关性分析及其线性模型的建立

为提高GNSS反演可降水量的精度,文中采集江苏附近5个气象探空站2005—2015年共11年的数据,分析加权平均温度(Tm)年周期的变化规律,同时分析Tm与地表气温(Ts)的线性关系。结论表明,两者的线性关系会随着季节的变化发生相应的变化。文章试验几种线性回归的方案,并利用该区域2016年的数据进行检验,其中将数据每8d一组进行分段拟合得到的模型精度最高,其R_(ms)为2.49k高于传统Bevis模型的3.08k,提高近19%。     

神经网络融合模型在大坝安全监控中的应用

为了提高大坝安全监控模型的预测精度并检验模型的泛化能力,研究大坝安全监控的统计模型、BP神经网络模型及遗传神经网络模型,并提出基于这两种神经网络的融合模型,结合某拱坝长期的变形观测数据,对上述几种模型进行试算。分析结果表明,所建立的融合模型与其他模型相比具有较高的预测精度,且泛化能力较强,具有良好的适用性。     

GPT2w模型在中国区域的精度检验与分析

全球温度气压湿度（global pressure and temperature 2 wet,GPT2w）模型常被用于计算某一位置的气温、加权平均温度、气压以及水汽压等各种气象参数,是目前公开的标称精度最高的对流层延迟经验模型。利用中国区域参与全球气象交换的86个测站2013-2015年的气象探空数据,对GPT2w得到的各种气象参数进行精度检验及分析。实验结果表明,气温平均偏差为1.31℃,均方根误差为3.62℃;加权平均温度的平均偏差为-1.58 K,均方根误差为4.07 K;气压和水汽压平均偏差的绝对值在1 hPa以内,其均方根误差分别为6.98 hPa与3.04 hPa。利用2006-2015年的数据分析了不同纬度模型精度的周期性特征,结果表明,气温、加权平均温度、气压和水汽压的均方根误差均具有一定的年周期特性,且在不同的纬度区域其周期特性不同。总体而言,GPT2w模型在中国地区范围内具有较高的精度和稳定性。     

基于GGOS Atmosphere数据的ZHD模型精度分析

对流层天顶干延迟(ZHD)建模是对流层延迟建模的一个重要组成部分,由于ZHD变化较为规律,因此,通常用模型来表达。而对流层天顶湿延迟(ZWD)变化不规则且随机性大,所以在GNSS处理中将它作为一个未知的待估参数。不精确的ZHD模型,会影响到ZWD估算的准确性,因此,选择精确合理的ZHD模型具有重要的意义。传统无线电探空仪数据获取的ZHD由于不能覆盖全球所有位置,尤其是海洋地区,而且在特殊天气使用也受限。为了更能全面反映ZHD模型的精度,本文尝试使用GGOS Atmosphere数据比较分析3种经典ZHD模型、即Saastamoinen模型、Hopfield模型和Black模型。通过对全球范围内的657个站点且时间覆盖长达5年的GGOS Atmosphere数据进行比较分析,我们得到以下结论:Saastamoinen模型优于Hopfield模型和Black模型,Saastamoinen模型的ZHD的精度可以优于1.5 mm。因此,在GNSS用户使用ZHD模型时,Saastamoinen模型可以作为使用模型。具体可以应用到GNSS大地测量学、GNSS车辆导航定位以及GNSS气象学。