大坝变形监测的粒子群优化高斯过程预测

针对大坝变形数据的非平稳非线性特点,传统预测模型受到了一定限制。鉴于高斯过程(Gaussian Process,GP)对非平稳数据具有高自适应性,考虑到其自身在协方差函数选取以及超参数优化方面存在不足,为提高高斯过程模型的预测精度,文中通过粒子群算法(Particle Swarm Optimization,PSO)优化其超参数并选择最优协方差函数。通过实例验证分析,比较多元回归分析、GP、PSO-GP三种模型在大坝变形监测数据处理中的预测精度,表明大坝非线性预测模型粒子群优化高斯过程算法具有较高的预测精度,是一种有效的大坝变形分析预测方法。     

基于激光点云的巨型倾倒大变形体监测研究

以某特高岸水库巨型变形体为研究对象,应用地面三维激光扫描仪采集变形体表面激光点云数据,建立变形体DEM模型,几何量测提取点、线、面(体)成果,对比及叠加分析,得到特定点、线、面及整个变形体位移量信息。研究结果表明,高密度激光点云数据可弥补传统监测成果单一及分析局限或以点概全的不足,以其丰富多样的监测成果全面反映变形体的变形信息,尤其对速滑变形在时效性和精度匹配上更有效,可达到应急预报要求。     

GBInSAR河流滑坡变形监测应用

对城市中河流滑坡进行变形监测与分析掌握滑坡体形变规律,是滑坡安全性评估的重要手段。针对南宁邕江柳沙半岛滑坡灾后加固过程中稳定性,采用GBInSAR技术对该滑坡进行连续高精度变形监测,同时结合时间序列分析方法获取了该滑坡体的二维形变时间序列图以及特征点的形变时间序列。变形监测与分析结果表明,滑坡体上的加固带处已基本稳定,加固带上大部分PS点的形变在1 mm以内;滑坡体的大部分区域的形变基本在4 mm以内,且形变呈明显的非线性变化;GBInSAR技术可以快速、有效地获取河流滑坡整体形变信息及形变的演化过程。     

小波变换和BP神经网络模型在沉降变形监测中的应用研究

变形预测在预报工程险情方面起着关键性的作用,针对施工中需及时、准确地预测变形的问题,本文利用小波变换原理对监测数据进行降噪处理,并采用BP神经网络分析不同训练样本下的预测效果和精度水平。实验结果表明:基于小波消噪后的BP网络模型,以连续的近期观测数据作为训练样本,对下期变形预测精度高,效果好,相对误差很小。因此,小波变换和BP神经网络模型在沉降变形监测工程中能作为预测研究与应用的参考。     

基于PS-InSAR技术的地表沉降分析

由于传统测量手段对于地表沉降监测不足,PS-InSAR技术具有高空间分辨率和一定程度能克服时间、空间以及大气的影响等优势,因而逐渐成为一种大范围地表沉降监测的主要方法。本文利用PS-InSAR技术,通过SARscape软件对收集到的34幅覆盖日本千叶市地区的ENVISAT ASAR遥感影像进行沉降监测实验。实验结果表明:日本千叶市地区最大累计沉降量为58.965 mm,主要集中在城市地区,并且该地区的沉降和地下矿藏开发有关。     

自动化监测系统在深基坑监测中的可靠性分析

深基坑监测对于城市工程的安全建设具有重要的指导意义。为了探究自动化监测系统在城市深基坑监测中的可行性,根据全站仪的测量原理利用Matlab进行三维仿真,从理论上证明了自动化监测系统的平面精度能够达到规范要求。采用尺度变形分析及水平位移对比分析,论证了在城市深基坑监测中利用自动化监测系统进行水平位移监测的可靠性。     

过江隧道江底的变形监测

采用无人船进行过江隧道江底变形监测,能够在较短的时间测量水下地形,并绘制江底地形地貌、地状参数图等,提高了过江隧道监测的效率,减少了人员安全隐患。本文以杭州地铁8号线一期工程为背景,介绍了无人船在过江隧道江底变形监测中的研究和应用,建立了完整的技术流程,提出了江底地形监测的关键技术,得到了符合精度要求的钱塘江江底变形监测成果数据。整体效率优于传统测绘方式,可为无人船在水下地形地貌测绘、水下地质勘探、航道测量等领域应用提供理论和实践参考。     

BDS精密单点定位在桥梁变形监测中的应用

桥梁变形监测是进行桥梁健康评估和后期修缮的重要内容．本文基于北斗卫星导航系统（BDS）精密单点定位技术,对实时采集的高频率BDS／GPS数据进行精密单点定位(PPP)静态和动态处理,并以相对静态定位结果作为参考,分析在桥梁复杂环境下BDS的PPP的精度,并把北斗动态PPP结果与GPS做对比．研究结果表明,在1 h连续变形监测时间左右,北斗静态PPP精度和BDS动态PPP定位精度可以达到厘米级,可以监测出大型车辆经过桥梁时的变形情况,并与GPS监测变形趋势基本一致．      

土石坝GNSS监测水平位移与库水压荷载建模分析

为揭示水库水位变化与土石坝表面位移的关系并建立相应的模型,该文收集了茜坑水库主坝体上下游多个监测点近半年的GNSS监测数据,通过解算短基线获取了各测站毫米级精度水平位移序列。结合坝体结构和水库水位监测结果,分析了库水位变化产生的面板水压荷载变化与监测站水平位移变化序列之间的关系。基于两者正相关特征,推导了水压载荷与监测点水平位移变化间简化的线性模型,并利用实测数据和最小二乘方法估计了模型参数。拟合结果表明,该模型较好地反映了水库调水期间,监测点水平位移的趋势和规律。