ARMA模型在变形监测中的应用

介绍了时间序列分析模型ARMA进行模型识别、参数估计、模型检验和模型预测及其在变形监测数据处理中的应用。并结合某一工程实例,采用该模型对一组实测变形数据进行了分析、预测,取得了较好的数据拟合与预测效果,该模型对变形监测数据处理与预报是十分可靠和可行的,具有很强的实际应用价值。     

改进后灰色神经网络及短期基坑沉降预测研究

在短期基坑沉降监测中,由于数据量少且呈非线性变化,沉降模型很难准确建立。灰色GM(1,1)对数据少、趋势性强、波动小的数据有较高的预测精度,但不能模拟复杂的非线性函数;BP神经网络可以对非线性数据进行学习训练,具有自学习、自适应能力;通过将GM(1,1)与BP神经网络组合,并优化网络部分的学习率、权值和阈值等,建立一种改进的灰色神经网络模型,该模型具有对非线性数据自学习、自适应能力和预测精度更高等优点。通过某基坑沉降监测分析,验证改进的灰色神经网络模型预测精度更高,适合短期建模,具有很好的实用性。     

边坡单元的SAR数据特征

针对传统D-InSAR技术以栅格单元为研究对象而无法充分反映地形条件的问题,该文提出了以边坡单位为研究对象的D-InSAR数据特征分析。通过基于边坡单元的区域地形因子与后向散射系数和相干系数关系的分析方法,建立了研究区域SAR数据的可信区域滤波方法,提取出了研究区域SAR数据分析结果的可信区域。该方法提高了SAR数据的有效性,为滑坡早期监测提供了可靠的数据基础。通过对金沙江乌东德区域的SAR数据实例分析,验证了该方法的实用性。     

港珠澳大桥沉管隧道贯通误差预计

针对港珠澳大桥沉管隧道的安全贯通问题,该文从隧道外GPS网的布设及施测方法出发,通过多期复测数据评价GPS网具有可靠的测量精度;通过对GPS网点的稳定性分析,阐明了沉管隧道地面控制点位无法长期保留、稳定性差的特点;最后就GPS网引起的贯通误差影响值进行了估算。     

多光谱遥感影像亮度空间相位一致性特征点检测

提出了一种基于亮度空间和相位一致性理论的多光谱遥感影像特征点检测算法。首先利用参数自适应的灰度变换函数建立影像亮度空间;然后结合相位一致性方法在影像亮度空间进行候选特征点检测,并将候选特征点映射到原始影像上进行非极大值抑制;最后在尺度空间计算特征点的特征尺度值。本文方法有效结合了亮度空间特征检测和相位一致性特征检测的优势,对多光谱遥感影像的辐射变化具有较强的稳健性。试验结果证明,与传统特征点检测算法相比,本文方法在特征重复率和重复特征数量方面都具有明显的优势。     

空间层次聚类显著性判别的重排检验方法

同时顾及空间邻近与专题属性相似的空间层次聚类是挖掘空间分布模式的一种有效手段。空间层次聚类方法虽然可以获得多层次的聚集结构,但聚类结果显著性的统计判别依然是一个尚未解决的难题。为此,本文提出了一种空间层次聚类结果显著性的统计判别方法,用于确定空间层次聚类的停止准则,减少聚类过程对参数设置的依赖。通过试验分析与比较发现,该方法能够有效判别空间层次聚类结果的显著性和确定层次聚类合并过程的停止条件,同时具有很好的抗噪性,避免随机结构的干扰。     

三维点云在轨道板快速检测中的应用

针对现有的CRTSⅢ型轨道板检测方法效率低下、设备组装复杂、部分还需人工操作等不足,基于三维点云数据实现了轨道板外形尺寸的高精度快速检测。利用轨道板标准三维模型建立相关检测特征,在完成轨道板三维点云数据相关预处理后,将点云数据精确配准至标准三维模型,利用模型上已建立的特征拟合计算轨道板表面点云数据的检测特征,获得轨道板各检测指标的测量值;计算测量值与标准三维模型设计尺寸之间的偏差,从而实现轨道板外形尺寸的快速检测。实验表明,与常规的检测手段相比,该方法具有检测精度高、速度快、检测结果稳定可靠、检测项目齐全等优点,具有良好的应用前景。     

基于三维激光扫描技术的盾构隧道变形分析

为保证地铁隧道建设过程中的安全,对其进行变形监测是必不可少的工作.传统测量方法采用特征点位进行隧道断面监测,存在数据量较少、点位不够全面等缺点,且工作量较大,工作效率低.针对这一问题,本文将三维激光扫描技术应用于盾构隧道监测,利用获取的三维激光点云对盾构隧道进行监测.为验证其可靠性,将其与全站仪数据进行联合分析.实验表...     

基于小波去噪的BP神经网络在变形监测中的应用

在变形监测领域中,对沉降数据的准确预测能够提前获悉检测对象的变形趋势,避免事故发生.原始监测数据普遍含有异常值,从而会对预测模型精度造成一定影响,降低预测结果的准确性.以BP(Back Propagation)神经网络为基础,采用小波去噪的方式针对剔除和插补原始数据中的异常值,分别建立去噪前后BP神经网络预测模型,并利...     

多季相混合像元部分分解特征的不透水面分类

针对利用光谱混合分解提取不透水面特征通常受到端元类型和数量的限制,同时植被变化会影响估计精度的问题,该文提出 了一种综合季相和植被变化信息的不透水面提取框架.基于混合像元部分分解算法——混合调谐匹配滤波(MTMF),设计了多季相组合MTMF(SCMTMF)特征和多季相叠加MTMF(SSMTMF)两种策略,构造了不透水面的多季相MTMF特征,将不透水特征与多季相植被指数结合利用支持向量机实现对不透水面的精确分类.结果表明,利用多季相特征得到的不透水面提取效果相较于单季相有较明显的改善,该文所提出的策略有利于提高不透水面的估计精度.