地基雷达干涉测量超高层建筑物动态监测分析

以在建的武汉绿地中心为研究对象,建立一套超高层建筑物动态特性监测与分析技术方法。采用该方法获取监测时段内建筑物动态位移时间序列、振幅以及显著性频率等动态特性信息,并基于灰色关联分析法分析楼顶位移与温度变化的相互关系。结果表明,研究时段内楼顶、楼高400 m以及楼高300 m处监测方向的水平位移最大振幅分别为5.12 mm、4.22 mm和3.11 mm,且标准差均为亚mm级;该建筑物固有频率为0.200 2 Hz,由于同时受施工震动、温度等影响,导致该大楼还受其他频率影响较明显,如楼顶处监测方向位移时间序列仍受频率0.308 2/8.033 9 Hz影响较显著;楼顶位移与温度变化时间序列的灰色关联度接近1,表明楼顶位移与温度变化存在较大关系。     

基于时序InSAR的上海地区2018~2020地铁沿线沉降监测分析

基于覆盖上海地区2018~2020年的35景Sentinel-1A影像数据,采用PSInSAR方法获取该地区3条地铁线路的年平均沉降速率和累积沉降量,并分析沉降原因。结果表明：1）上海地区呈现不均匀沉降,沉降主要发生在上海市主城区南部的闵行区许泾村附近,最大累积沉降量达-47.3 mm;2）上海市闵行区出现明显的沉降漏斗现象,并与该地区城市基础设施建设及地下水水位变化呈正相关;3）上海市地铁5、8、16号线路均有部分路段存在明显沉降现象,地铁5号线途经闵行区周围时沉降最明显,最大沉降速率达-12.0 mm/a。最后给出上海地区以及主要地铁沿线地表沉降的时空特征和地表沉降与其影响因子之间的相互关系。     

一种改进的移动曲面拟合DEM插值方法

针对传统曲面移动拟合法中定权方式仅以采样点与待插点的距离作为权重,而忽略采样点方向性和分布对DEM插值精度的影响问题,将Shepard加权模型引入曲面移动拟合法中进行分区定权,并在此基础上对采样点的方向性和分布进行约束,提出改进的曲面移动拟合插值方法。以湖南城市学院玉壶山作为研究对象,利用线性内插法、自然邻点插值法、曲面移动拟合法和本文方法对采样点数据进行插值生成DEM,并采用数值精度指标、等值线、坡度和坡向值以及剖面值对不同算法插值结果进行分析和评价。实验结果表明,在地貌类型为丘陵和山地的混合地区,本文方法内插出的DEM效果相对较好,DEM具有良好的连续性,能够较好地模拟出研究区的真实地形。     

基于小波去噪的灰色Verhulst模型在高铁路基沉降预测的应用

高铁路基需严格控制工后不均匀沉降。鉴于高铁路基沉降预测值精度受观测噪声和预测拟合函数的影响,本文提出了基于小波函数去噪,对去噪数据进行灰色Verhulst模型预测的方法,并阐述了高铁路基沉降预测评价方法。通过工程实例对比分析了去噪灰色Verhulst模型、GM(1,1)模型、双曲线模型在沉降数据处理中的拟合精度和预测精度。结果表明:GM(1,1)模型拟合精度高,预测精度低,不适用于长期预测;双曲线法预测精度最低,预测曲线不包含路基饱和发展过程;小波去噪灰色Verhulst模型符合高铁路基沉降规律,预测精度高,可以广泛用于路基沉降预测。     

基于SBAS-InSAR的北京地区地表沉降监测与分析

运用SBAS-InSAR获取北京地区的地表沉降信息,采用18景ENVISAT ASAR影像完成北京地区2007～2010年地表沉降的时空分析。结果表明,北京地区沉降不均匀较为严重,在昌平区、顺义区、通州区等区域出现多处沉降漏斗,且有连成一片并向东扩张的趋势;大部分地区的平均沉降速率在-150 ～10 mm/a,沉降中心的最大沉降量超过400 mm;地表沉降受地下水开采与城市化影响明显。     

结合Kalman滤波与小波神经网络的沉降形变监测

高速铁路隧道工程监测点沉降曲线具有小沉降、大波动的特点,沉降变形数据中存在大量随机噪声,将影响沉降变形分析的准确性。将Kalman滤波应用于高铁隧道沉降变形数据预处理,对沉降变形数据进行去噪,再利用小波神经网络对去噪后的沉降变形数据进行预测分析,从而提高单一小波神经网络的预测精度。通过工程实例分析表明,结合Kalman滤波的小波神经网络预测精度优于单一小波神经网络,具有更好的应用价值。     

基于二维形变场的地基SAR精度验证与分析

地基SAR(synthetic aperture radar)可实现高精度的小区域性连续形变监测。为研究其形变探测能力与精度,建立了一套精度验证平台和系统。在楼顶布设不同位置分布的角反射器,并采用步进平台控制角反射器模拟不同数值形变,形变角反射器与稳定点及楼顶表面构成小区域二维形变场,利用IBIS-L(image by interferometric system-landslides)系统完成形变监测与分析。实验结果表明,当角反射器发生毫米级形变时,地基干涉雷达IBIS-L系统形变探测平均精度为0.27 mm,而角反射器发生亚毫米级形变时,其形变探测平均精度为0.11 mm;该系统可以实现小区域性的亚毫米级形变探测,对于缓慢微小变化,其具有更好的形变探测能力与可靠性。     

灰色系统与时间序列在高铁沉降变形中的应用

介绍了灰色系统GM(1,1)模型、时间序列二次指数平滑模型的基本原理,给出了模型精度评定的方法 ;用Matlab编程实现模型的建立并对高速铁路沉降变形进行了分析与预测,通过工程实例对比分析2种模型的预测效果。结果表明,时间序列二次指数平滑模型较适合短期或中期变形趋势呈线性或微小波形的变形分析与预测,而GM(1,1)模型对短期呈线性或指数分布趋势的变形有较好的效果;时间序列二次指数平滑模型的可靠性与准确度比GM(1,1)模型高。     

InSAR填海区地铁沿线地表沉降反演分析

为了更好地监测和掌握深圳填海区地铁工程结束后地铁沿线的地面沉降情况,该文利用TS-InSAR技术和20景2017年8月15日—2019年3月14日的Sentinel-1A SAR数据,借助POD精密定轨星历和ASTER GDEM V2分别去除轨道误差和地形相位,反演了深圳填海区2017—2019年地表沉降时间序列,并在此基础上重点分析了填海区地铁沿线地面沉降的时空演变规律以及地面沉降成因。结果显示,填海区各地铁沿线的地面沉降特征较为明显,最大沉降速率为-17.52 mm/a。其中,宝安中心、前海湾、深圳湾区段地铁沿线的地面沉降趋势较为严重,其地面沉降呈现逐渐增强和扩散趋势。     

用小波分析与灰色支持向量机预测高铁变形

针对高铁变形监测数据的非线性特征,构建一种基于小波与灰色支持向量机的高铁变形预测组合模型。利用小波分析获取不同时频尺度上的随机序列和近似序列,通过嵌入维数的确定和高低频数据的相关性分析,将重构后的随机序列作为遗传算法优化SVR模型的输入,对近似序列则采用灰色支持向量机来描述其演变特征,最后将二者预测结果进行耦合叠加,得到小波灰色支持向量机的组合模型预测结果。以贵广高铁实测数据为例,将均方差、平均绝对误差、平均绝对相对误差作为评判指标对预测效果进行评价,结果表明该模型较好地拟合了近似分量,同时避免了细节分量的过拟合,为高铁变形预测提供了新途径。