滑坡变形预测灰色神经网络耦合模型的构建及适用性分析

结合灰色模型和神经网络的数据处理特点,提出串联、并联和混联式3种结构的灰色神经网络滑坡变形预测模型。串联式将滑坡变形位移时序分解为趋势项和随机项,采用灰色模型提取滑坡位移时序趋势,利用神经网络逼近随机波动;并联式以灰色模型和神经网络分别对滑坡预测,采用智能非线性组合,按照预测目标精度动态调整权重,从而获取最终组合预测结果;混联式通过增加灰白化层及灰模型群,对神经网络拓扑结构进行优化,达到弱化滑坡原始监测数据随机性、提高预测模型稳健性的目的。将3种模型应用于古树屋滑坡变形预测,并对其适用性进行讨论。结果表明,3种结构的灰色神经网络耦合模型均提高了预测精度,适用于复杂状况下滑坡体的变形预测。     

桥梁变形的AR预报模型研究

基于时间序列分析卵论,提出以统一的AR模型对平稳可逆的随机时间序列建模的新方法.结合桥梁沉降监测的具体实例应用AR模型进行预报.结果表明,应用AR模型预报桥梁变形,具有模型形式简单、计算量和存储量较小、便于上机实现、模型顶测精度高等优点.     

基于最小信息量准则的小波变换确定变形监测精度

提出了应用最小信息量准则,提取了原始数据中的噪声信息并完整地保留变形信号,准确地估算了实际监测精度。     

基于AR（p）的卡尔曼滤波在GPS变形监测中的应用

由于AR（p）模型结构比较简单且计算比较方便,在变形分析中,目前常采用此模型建立变形模型。然而单纯的AR模型把模型参数作为定值,变形数据拟合误差及变形预测误差可能会比较大。介绍了将卡尔曼滤波引入AR模型,利用观测数据建立AR模型,即建立观测方程;以AR模型的参数为状态向量建立状态方程。从而形成动态系统的卡尔曼滤波函数模型,动态计算出AR模型的参数以便预测。此方法快速、实时,且占有较少内存,充分利用了AR模型和卡尔曼滤波二者的优点。     

双重投影在高速铁路测量中的应用分析

针对目前我国高速铁路测量采用的高斯投影独立坐标系每个投影带可控制范围太小,给施工带来很多不便的问题,提出了首先将椭球面经纬度投影至球面后再沿铁路线方向进行斜墨卡托投影的原理、方法和计算步骤,并通过算例分析其在高速铁路测量应用中的可行性,该投影方法与目前施工单位正在使用的高斯投影相比较具有明显的优点。     

基坑土钉墙支护施工与监测——陕西省人民医院门急诊医技大楼

本文介绍了土钉墙在陕西省人民医院门急诊医技大楼基坑支护中的应用,简述了工程设计方法,总结了施工经验,并对基坑支护体系变形观测结果进行了分析     

机械光栅式测缝计应用于无砟轨道板上拱监测的可行性分析

高速铁路轨道的稳定性和平顺性是高速铁路正常运营的关键,因此对运营期高速铁路的轨下结构持续地开展变形监测是十分必要的。当前我国对轨道板变形的检测主要是依靠人工肉眼观察式的现场检查和常规水准测量方式进行监测,效率低下,难以在有限的天窗时间内完成辖区内轨道结构的全覆盖检测。基于此,从理论分析和实验测试两方面探讨机械光栅式测缝计应用于无砟轨道板上拱自动化监测的可行性,结果表明机械光栅式测缝计能够抵抗高温、淋水和振动等不良条件的影响,满足轨道板上拱监测的精度要求。     

基于混沌-RF-SVM变形预测模型的隧道运营安全状况分析

为合理评价隧道运营状况,基于运营隧道现场变形监测成果,先利用混沌理论、随机森林算法和支持向量机构建变形预测模型,再利用M-K检验等进行预测结果的可靠性验证分析,两者结合评价隧道运营状况。实例分析表明,在变形预测过程中,预测结果的平均相对误差均小于2%,具有较高的预测精度;同时,经可靠性验证,趋势判断结果与预测结果较为一致,均得出隧道变形仍会进一步增加,但增加速率变小,趋于稳定方向发展,即会维持现有运营状况。     

夹江县南安乡高田滑坡变形破坏机制及稳定性分析

高田滑坡位于夹江县,区内地形变化大,沟谷切割强烈,属构造侵蚀-剥蚀低山地貌。受强降雨影响,滑坡体局部发生蠕滑现象。通过地质勘探和现场调查等方法,在查明工程地质条件基础上,论证了滑坡的变形破坏机制及稳定性分析。研究结果表明:高田滑坡地形东南高西北低,剖面山呈“陡-缓-陡-缓”形态,滑体平均厚约7.0m,体积10.92×10⁴m³,属中型滑坡。滑坡基岩为白垩系粉砂质泥岩,滑面为岩土基覆面,从变形破坏特征看,滑坡总体上属于滑移-拉裂型、牵引式滑坡。根据极限平衡方法,滑坡在自重工况下处于稳定状态,在暴雨+自重工况下属欠稳定状态,需采取防治措施治理。