时域卷积组合模型在桥梁沉降预测中的研究

针对桥梁所承受的动静荷载特性差异问题,该文通过小波分解将垂直位移监测数据分解成低频和高频信号,低频信号稳定性强,主要呈现了静荷载影响特点,而高频信号波动性较大,呈现了动荷载影响特点,因此将低频信号和高频信号分别进行小波重构,重构后的低频信号和高频信号分别使用时域卷积神经网络和BP神经网络进行预测,并进行叠加处理得到最终预测结果。以常泰大桥实际静力水准沉降监测项目为例,将该文模型预测结果分别与小波优化的BP神经网络模型和小波优化的自回归滑动平均模型(ARIMA)预测结果进行对比分析,已有的两种模型预测的平均绝对误差分别为0.61 mm和1.38 mm,而该文模型预测的平均绝对误差为0.46 mm,预测精度的提高,为桥梁的施工和维护提供参考。     

超长线路静力水准自动化监测实验浅析

常泰长江大桥主航道桥主跨1176m,5#主墩距离岸边1.3km。针对远岸大跨径水中桥墩沉降观测实施难,传统测量方法耗时费力,效率低的难题,研究提出采用静力水准来实施沉降观测的思路,结合现有静力水准测量技术,开展了超长线路静力水准自动化监测实验,并得出验结论,同时也总结了在长线路静力水准自动监测实施时需要注意的有关事项,为后续本项目正式实施超长线路静力水准自动化监测系统提供技术参数支持,也为其他类似沉降观测实施困难的项目提供借鉴。     

拯救露脊鲸

一度濒临灭绝的露脊鲸,其种群数量正在缓慢回升。与中国大熊猫的情况相近似,政府的关注、法律的跟进及爱护动物意识的宣传普及,是濒危动物重现生机的关键所在。实践证明:只要人类重视起来并将这种重视付诸行动,濒危物种的厄运就会得到改变。     

利用单站要素变化判断天气系统

一个站的记录对天气图的贡献是肯定的,它帮助预报员揭示大范围天气变化的特征。那么,一个站的记录揭示小范围天气变化的能力如何,怎样利用单站要素的变化去判断天气系统的影响,来预测未来的天气呢?这是气象站预报员所感兴趣的问题,下面谈谈我站在这方面一些点滴认识。 了解各要素的不同作用 在天气图上,是根据各站的记录来分析天气系统的,所以,各站观测到的要素变化,是天气系统在局地的反映,天气系统不同,单站要素的变化形式也不一样。因此,我们认为,单站要素变化与天气系统的