基于钻孔数据的三维地质建模与可视化研究

三维地质模型能够完整准确地表达复杂地质现象的边界条件及地质体内含的各种地质构造,直观地再现地质单元的空间展布及其相互关系,最大限度地提高地质分析的直观性和准确性,因此三维地质建模已引起地质、采矿、岩土工程等诸多领域的日益重视。笔者在综合考察多种建模方法的基础上,结合工程实践,提出了一种实用的工程地质三维建模实施方法。该方法以钻孔资料和地质剖面数据为三维地质建模的源数据,允许用户手工修正模型剖面地层分界线,从而实现对建模过程的干预和控制,克服了单纯依靠钻孔数据建模结果不精确且难以修正的问题。最后,通过一个研究实例展示了该方法的实际建模效果。     

一种新的IGS精密星历插值算法

针对传统的滑动Lagrange多项式插值方法的不足,提出了一种新的顾及卫星实际运动特点的插值方法,并通过算例对比了两种方法的插值精度。结果表明,本文方法具有性能更优的星历内插外推能力,特别是其外推精度要高出传统方法一个数量级。     

地磁匹配导航中几项关键技术研究

地磁匹配导航的实质是数字地图的匹配.地磁数据库的精度和地磁适配区的选择是地磁匹配导航中的2项关键技术.文中把克吕格插值算法引入到地磁图的重构中,仿真结果表明了其有效性;同时把熵选择法和统计特征法引入到地磁适配区的选择中,通过仿真结果对2种方法进行比较,结果表明,熵选择法综合效果更好,更适合于在实际中应用.     

边角后方交会最优图形与精度分析

利用严密误差分析方法,对边角后方交会几何图形进行分析,得出最优图形,并根据得出的点位误差等值线圈定边角后方交会图形的＂危险区域＂。同时根据工程现场实际情况有针对性地提出改进或优化图形的方法。     

方向数据插值方法研究

方向数据是矢量数据的标量表示,通常标量数据的插值方法不适用于方向数据。本文根据方向数据的特征,把其分解成沿坐标轴的分量,通过对分量数据的插值形成表面,最后合成反算出方向数据,给出了一种对于方向数据的行之有效的插值方法;并用实验进行了验证,对其插值结果和精度进行了统计和分析,取得了较为理想的内插结果。     

球坐标多面函数空间数据插值方法研究

针对目前球坐标多面函数主要局限于球面任意区域对应的最优内部球层参数难以精确计算的问题,该文提出了利用Delaunay三角剖分技术的任意单连通区域球面面积的数值计算方法,解决了球坐标多面函数对球面局部空间数据插值的参数计算问题。为了评估球坐标多面函数对局部区域离散数据的插值精度,利用分布在120°～135°E,18°～28°N的843个大地水准面高程数据建立了两种坐标系的多面函数模型。均方根误差统计结果显示,球坐标多面函数模型的插值精度及稳定性均优于笛卡尔坐标模型。将球坐标多面函数模型分别与几种常用插值方法进行的插值结果精度对比,结果显示该模型仍然具有较好的精确度与稳定性。     

基于空间插值的城市基准地价更新应用研究

通过空间插值方法对深圳市网格基准地价标准进行快速更新,对克里金插值结果进行拟合分析,得出基于空间插值的地价更新方法符合地价更新的准确性要求,能够较快速地更新地价标准,具有较好的应用前景。     

一定分布模式下的最优Lp估计

观测数据在一定的分布模式下,需从理论上解决究竟用多大的ｐ值进行Ｌｐ估计（最优ｐ值的确定）,本文基于渐近方差整体最小的原则,给出了最优Ｌｐ估计的定义。观测数据中含有粗差（异常值）的扰动,其误差分布可视为污染分布,作者分析了最优ｐ值的大小,结果表明,若观测数据中含有不同大小、数量的粗差,为使Ｌｐ估计差最小,则ｐ将取［１．２,１．５］中的某一定值,Ｌｐ估计结果最优,此结论对测量数据处理具有一定的参考价值     

一种提高精密单点定位实时性的方法

由于要获取PPP需要的精密钟差文件至少有2d的时间延迟,因此通过提取IGS当天发布的超快星历中的卫星钟差数据,并对钟差数据进行插值,将插值结果做成标准格式钟差数据文件应用到PPP中,可以将精密单点定位的实时性提高为3~9h。基于Bernese软件,采用生成的钟差文件以及当天的超快星历文件对大量实测数据进行PPP。结果表明,对于4h的观测数据,该方法解算精度达到厘米级;当观测时间大于6h时,解算精度基本能够稳定在1~5cm。     

一种多因子加权平均温度模型的构建方法

针对在地基GNSS水汽反演的过程中,天顶湿延迟转换为大气可降水量时如何建立精确的大气加权平均温度(Tm)模型的问题,该文在建立Tm模型前全面考虑了对Tm有显著影响的变量并选择最优回归子集。但分析发现,最优回归子集中各变量之间存在较强的相关性,这将会导致变量之间存在多重共线性,从而影响模型的稳定性和可靠性。选择2013—2015年相关气象数据作为变量并应用岭回归的方法削弱变量之间的多重共线性,建立稳定的多因子Tm回归模型。并利用该模型分别预测2016年1—12月、2019年1—7月的Tm,均方根误差分别为2.3 K和2.0 K,预测精度较高,这将为高精度的水汽反演奠定较好的数据基础。