主成分-多变量时间序列模型及其在桥梁变形预测中的应用

建立科学有效的变形预测模型对确保桥梁安全运营具有十分重要的意义。据此,提出了基于主成分和多变量时间序列模型耦合的桥梁变形预报模型,采用苏通大桥实测数据对模型的拟合、预测精度进行了分析验证。采用主成分分析方法提取了累计贡献值达95.088%的三个对桥面变形有影响的主成分,建立了主成分-多变量时间序列模型。结果表明,该模型拟合精度优于多变量时间序列法,监测点dx,dy,dH三个方向的均方根误差分别为2mm、2mm、8mm,预测精度分别为3mm、3mm、6mm,可以识别出由于结构损伤所引起的位移10mm的异常变化。说明该模型对于桥梁桥面变形预测具有一定的有效性和适用性。     

全站仪自由设站的精度分析

自由设站法是全站仪用于碎部测量的常用模式之一。本文针对这种模式能否用于控制测量的问题进行了理论分析与推导,并通过模拟计算,分析了不同标称精度的全站仪在不同的施测情况下的精度分布情况与变化规律,得出了较为有效的结论,具有一定的实际参考价值。     

协方差函数的选择对GPS高程拟合精度的影响

阐述最小二乘配置的原理,给出先验方差协方差估计方法,通过实例分析了采用最小二乘配置法的有效性,比较了不同协方差函数对拟合精度的影响及拟合点的分布对协方差函数、拟合结果的影响。     

基于主成分和半参数的大坝变形监测回归模型

主成分分析在一定程度上可以解决大坝变形监测回归模型因子间的复共线性,然而当提取的主成分信息不充分时,主成分回归用于大坝安全预测可能失效。提出以主成分分析提取的主成分作为半参数回归的参数分量,剩余成分和模型误差作为未知的非参数分量对主成分回归进行补偿,建立一种基于主成分和半参数的大坝变形监测混合回归模型。利用某大坝实测资料进行建模分析,结果表明该混合模型能克服回归因子间的复共线性,避免半参数回归补偿最小二乘估计中法矩阵的病态性,比传统的主成分回归和逐步回归模型具有更好的拟合和预报精度。     

基于一体化聚类滤波的机载LiDAR数据DTM提取

提出一种一体化聚类的滤波方法,从机载激光扫描数据中获取复杂城区的DTM。通过对激光点云数据构建八叉树,以节点满足平面判断条件进行双重距离聚类,对剩余点引入渐进三角网加密方法进行迭代判断,进而有效区分地面点和非地面点。最后,将本文滤波方法与经典滤波进行比较,得到可靠的DTM,验证了本文方法的有效性。     

����������׹��Ƶ�GPS����ʱ��������������

?????????????GPS???????У???????????????????????в???db6С??????????????????????????????С????????????????????GPS???????????????????????????????????????????????????GPS?????????????????а???????????????????????????????????????????GPS???????????????????????????????????????????????????к?????????     

相位减伪距法与电离层残差法探测和修复周跳

在GPS精密定位数据处理中,周跳的探测和修复是一个核心问题。针对电离层残差法周跳探测存在的多值性问题以及相位减伪距法对小周跳不敏感等方面的不足,提出将两种方法联合进行周跳处理的方法。实例分析表明,方法简单可行,处理效果比较理想。     

�Ĵ�«ɽ7.0������ǰ������TEC�Ŷ�����

???2013-04-20?????7.0??????????CODE???????IONEX TEC?????IRI ????TEC???????????????????????????￡????????λ??????IONEX TEC?????IONEX TEC??IRI TEC??????????д?????????????????TEC??????????????????????TEC?????????????????????????????????????????????????