单斜构造区岩溶倾斜洞穴发育趋势与岩层产状相关性识别

通过构建岩溶倾斜洞穴发育趋势面和岩层倾向面,探讨在单斜构造区岩溶倾斜洞发育趋势与岩层产状的相关性。首先,根据洞穴探测导线长度、方向、倾角等要素,以测量初始点为原点建立空间直角坐标系,将测量空间方位角转换为平面直角坐标系中的方向角,将测量数据投影在平面直角坐标系上,运用向量加法原理求出各测点平面向量及坐标,结合各测点的相对高差,运用趋势面分析方法进行一次拟合,构建洞道空间展布平面方程;其次,根据岩层产状信息在空间坐标系中构建平面方程;最后,通过计算两平面法向量的夹角,来判断洞穴空间展布平面和岩层产状平面的重合度,同时求出两平面与同一水平面的交线所成角来判断洞穴空间展布趋势面与岩层面的倾向关系。通过实例证明,该方法用于探讨单斜构造区岩层产状对倾斜洞穴发育趋势的影响识别具有一定的实用性。      

桃曲坡水库洪水特征及调度方法探讨

桃曲坡水库是一座以农业灌溉、城市供水为主,兼有防洪、旅游综合利用的中型水库。设计洪水位788.54 m。通过对桃曲坡水库洪水特征、水库防洪预案和洪水实际调度进行分析,提出具有针对性的洪水调度具体建议,对其它相似水库工程洪水调度具有一定借鉴作用。     

一体化雨量遥感野外比测实验分析

水文仪器及其集成系统是水文自动化监测的支柱,野外环境是水文仪器应用的必要条件。通过布设在黑河流域的雨量遥感仪器野外比测实验,对实测降水数据进行了逐站分析。对野外实验数据从测验精度及实验数据相关性进行分析,并对比测实验误差展开探讨。为进一步发展流域内水文站网、提高水文现代化水平奠定基础。     

水利水电工程高程控制测量过程中的误差来源及控制方法浅析

针对水利水电工程水准测量日常作业过程中高差闭合差偏大或接近于允许闭合差的情况,分析了水准测量误差来源及存在的主要问题,探讨了在电子水准仪施测过程中提高施测精度的方法,提出应重点加强对仪器控制,注重操作过程,主意外部环境因素的控制,提高高程控制测量的成果质量。     

点云数据在兰州地铁中的应用

针对提取隧道点云中轴线3种不同算法,选择更加适合海量点云中轴线提取的算法。首先对隧道点云进行坐标转换,按里程对隧道点云进行连续正交断面的提取,将得到的断面通过椭圆模型进行粗差剔除;其次采用RGB颜色变化值表示断面的收敛扩张情况,通过柱状图、折线图表示断面形变特征;最后对隧道曲线段点云数据进行中轴线的提取,并进行平曲线要素的自动提取,为隧道平曲线主点位置识别、平曲线要素提取提供一种新途径。     

结合DLG融合数据进行1︰10000 DLG更新数据的质量控制

运用ArcMap python软件开发工具,结合1︰10000 DLG数据更新技术要求,制作数据融合工具条,对分幅DLG数据进行融合,参考已收集到的DLG原始数据、地理国情数据以及民政、交通、水利、电力等现势性强的专业资料,在ArcGis软件下进行比对分析,及时发现DLG数据成果中存在的主要质量问题,进行纠正。本文结合1︰10000 DLG更新项目生产实际,就结合DLG融合数据进行1︰10000 DLG更新数据的质量控制及质量分析进行探讨。     

顾及邻近点变形因素的高斯过程建模及预测

针对传统的变形监测建模方法一般针对单一监测点的变形预测模型,未考虑到监测点间相互作用的变形特点,该文分析了变形监测点间的相互关联性,通过相关系数法对监测点进行分类,并将邻近监测点的观测序列值作为和时间因素等同的影响因子应用到建模过程中,利用高斯过程算法进行训练,建立预测模型。为提高高斯过程算法的模型预测精度,应选择适合工程案例最优协方差函数。通过实例分析,比较GM(1,1)、多点灰色预测模型和顾及邻近点变形因素的高斯过程等3种模型在基坑围岩、滑坡等变形监测数据处理中的预测精度,表明该文算法考虑到监测点间的变形关联性,充分利用高斯过程在针对小样本、非线性数据建模时的高自适应性等优点,具有较高的预测精度。     

校正地基摄影获取树枝倾角

针对传统树枝倾角测量方法的复杂性和精度低的问题,该文提出了通过校正地基摄影获取树枝倾角的方法。基于投影变换和小孔成像原理,通过自制树枝模型的方法,分析了直接图上量取树枝倾角与真实值之间误差的成因,提出了基于投影变化的树枝倾角计算公式。结果表明:该研究获取树枝倾角的相对误差2.72%明显优于传统测量的31.33%,同时随拍摄距离变化,树枝倾角估算结果具有稳定性。该研究方法简单、有效,非常适合复杂环境下树枝倾角的大量提取,并提出了一种基于摄影成像原理获取树枝倾角的方法,发展了树枝倾角测量系统软件,提高测量精度并降低了测量难度。     

一种盾构施工引起的地面沉降预测方法

针对盾构施工引起的地面沉降的影响因素众多、关系错综复杂,常规数学模型难以准确预测沉降量的问题,该文提出了采用主成分分析法和粒子群优化的支持向量机方法来建立预测模型。并结合工程实例将预测结果与常用的多元线性回归模型和基于Levenberg-Marquardt算法改进的BP神经网络模型(LM-BP)的预测结果做了比较。结果表明:PCA-PSO-SVM的预测结果精度较多元线性回归模型和LM-BP神经网络有很大的提高,证明了该研究方法具有一定的理论意义和参考价值。