水利工程施工中沉降测量误差形成原因及控制对策

水利工程在施工建设中会发生不规则或不均匀的沉降,在对沉降进行测量时,受多种因素影响,易出现较大的误差,严重威胁着工程安全。为此,提出结合小波神经网络算法对施工中的沉降误差数值进行计算,并设计误差计算控制流程,通过验证得出沉降测量的结果误差更小,工程应用价值比传统方法更高。根据实验结果提出了沉降误差控制建议,以期为水利工程沉降测量提供参考。     

一种建筑沉降叠加预测方法

针对高层建筑的沉降监测与趋势预报问题,结合时间序列分析方法,该文提出一种基于ARMA的趋势项和随机项叠加预测法,把沉降监测时间序列数据分解为趋势项与随机项,分别建立趋势回归函数模型与随机项ARMA模型,叠加进行沉降量的预报,并通过上海外滩某高层建筑的沉降监测实例,研究并比较了该方法与传统的ARIMA差分预测法对建筑沉降预报精度的影响。实验结果表明:基于ARMA的趋势项和随机项叠加预测法在沉降预报中精度优于基于ARIMA的差分预测法。该方法利用趋势回归函数的保持作用,克服了传统的时间序列ARIMA模型在长期预测中精度不高的问题,并且随着预测步长的增加,优势更加明显。     

软土地基地区高程基准建设探讨

在宁波市高程控制点数据基础上,通过对各类别控制点不同沉降情况的研究分析,同时结合建设费用、应用范围等多项综合指标,提出类似宁波软土地基地区建设、维护、使用高程测绘基准的一些建议和思路,为城市规划、施工建设、社会经济发展提供有效可靠的测绘数据保障。     

时空序列模型在沉降监测中的应用

在工程建(构)筑物的变形分析中,主要考虑的是针对各个测点的时序分析,进而实现变形体的预测预报,但这样会造成模型的冗余。实际上,很多变形体作为一个整体结构,测点间在时间和空间上均存在一定的相关性,即时空相关性。时空序列模型(STARMA)则是根据时空序列的时间相关性和空间相关性对序列进行分析的一种建模方法,从理论上来讲能够更好地反映出变形体的形变规律。本文以某建筑物的沉降监测作为研究对象,建立STARMA模型,结果表明,该模型具有较好的实际应用效果。     

基于自由测站间接高差测量技术的基坑沉降监测新方法研究

为解决日益复杂的基坑施工环境对基坑沉降监测效率和测量安全造成的影响,本文改进了中间设站三角高程测量方法,介绍了一种基于高精度智能全站仪自由测站间接高差测量的基坑沉降监测新方法。该方法通过对全站仪测站位置的选择,可快速测得基坑相邻沉降监测点间的高差。通过精度分析和实测验证,该方法可达到二等水准测量精度,且作业效率远高于常规二等水准测量。     

基于时序InSAR的隧道工程形变监测与分析

随着我国高速铁路网建设的迅速发展,高铁建设中的隧道沉降监测工作显得日益重要。针对传统水准监测方法空间分辨率低、成本较大的问题,本文利用短基线集时序InSAR技术对某隧道工程进行了时序形变监测,获取了2017/4—2017/10的平均沉降速率和时序形变量。根据时序监测结果重点分析了隧道工程中的地面沉降原因和规律,与实测水准结果相比表明:利用SBAS-InSAR技术进行形变监测可达到毫米级精度,两种方法所得监测结果与实际情况基本吻合。同时,证明了该技术在隧道工程沉降监测方面的可行性和可靠性,在今后具有一定的应用前景。     

一种变系数的ARIMA和GM(1,1)组合高铁沉降预测模型

根据高铁沉降监测和预测特点,提出了一种变系数的ARIMA和GM(1,1)组合高铁沉降预测模型,给出了组合高铁沉降预测模型实施步骤。通过某一高铁沉降监测数据,对单一模型和组合模型预测进行分析比较,结果表明,采用变系数组合模型求出的预测值精度更高。