多变量灰色模型在大坝变形监测预报中的应用研究

大坝变形监测影响因素复杂,传统的单点建模预测方法并未考虑到多个监测点之间相互影响和关联。针对上述问题,本文在顾及大坝安全监测数据存在贫信息、小样本的基础上,提出采用多变量MGM(1,n)模型进行预测。为验证该模型的有效性与可靠性,又分别与单点GM(1,1)模型和改进的GM(1,1)模型进行对比。结果表明,多变量MGM(1,n)模型有更好的预测效果,显著地提高了大坝的预测精度。     

基于空间参数转换的输电线铁塔监测分析

高精度、高效的监测对铁塔的管理与维护具有重大意义。针对目前三维激光技术在铁塔监测中存在点云数据冗杂,点云单点精度不能满足铁塔监测精度要求,同时不能准确反映铁塔整体特征变形情况等问题,提出利用三维激光扫描不同时期铁塔点云,通过采用ANSYS有限元软件荷载分析方法和优化ICP算法提取,得到同一坐标系两期铁塔重点监测部位的同名特征点,基于空间参数转换模型解算出重点监测部位的旋转参数和平移变化量,进而对铁塔进行变形分析。实验结果表明,该技术在进行实际铁塔监测中具有较高的监测效率和精度,具有较好的应用前景。     

基于MATLAB多变量灰色模型及其在变形预测中的应用

本文从单点灰色模型入手,通过扩展,导出了多变量灰色模型,采用MATLAB语言编程,实现了空间多点变形预测模型的建模和预测,并以实例验证了模型整体预测的有效性。     

实时动态灰色模型及其变形监测应用

介绍了实时动态灰色模型进行变形监测应用的效果。结果表明,与原始的灰色模型相比,该方法建立了一种新数据之间的实时关系,能够更加准确的求出满足精度要求的预测值,为变形监测的数据处理与预报提供了一种有效方法。     

稳健总体最小二乘拟合在地铁监测中的应用

城市地铁建设中,必须对施工过程进行数据监测,分析监测数据的发展趋势,判断地铁建设的安全稳定性。文章结合了稳健估计和总体最小二乘拟合的思想,提出了一种稳健的总体最小二乘多项式曲线拟合模型,利用该模型对福州市地铁某在建工点的沉降监测数据进行模型构建。实验结果表明,本文的方法比最小二乘拟合法的拟合效果更佳,对数据的预测精度能达到1mm以内,证明了该方法在地铁监测中的可行性。     

多步滚动实时预报法在深基坑开挖监测中的应用研究

对传统BP神经网络存在的不足进行改进,并将其应用于深基坑开挖监测中,建立深基坑变形的实时预报模型;提出一种基于时间效应的多步滚动实时预报法,并利用Windows系统平台,在MATLAB7.0环境下,采用可视化的面向对象编程技术,编制深基坑变形实时预报的计算机程序。实例分析表明:该方法收敛速度快,预测精度高,预报值与实测值吻合较好,深基坑变形的实时预报具有一定的实用性。     

星载SAR干涉技术软基工程沉降监测与建模分析

软土地基处理过程中会导致地面沉降，在处理完成之后由于荷载变化及时间推移还可能进一步导致地面沉降，因此对地基的监测至关重要。传统监测方法费时费力，干涉合成孔径雷达(InSAR)技术则可以提供精确和空间密集的形变信息。以台州东部某软基工程为例，使用Sentinel-1A升轨SAR影像确定时空变形，并获取当地实测数据，建立形变模型，分析及预测研究区域的形变规律。结果表明，该区域都发生了不同程度的形变，防波堤内测沉降最大，雷达视线向最大变形量达到300mm以上。将模型的预测结果与InSAR方法处理结果进行对比，得到RMSE为9mm/yr,相关系数为0.99,说明InSAR方法在软基工程形变监测及预测分析中可以达到厘米级的精度。     

管幕工程地表变形的人工神经网络预测研究

管幕工法是一种新型的地下空间暗挖技术.国内首次应用于上海市中环线浦西段的北虹路下立交工程.该工法为解决软土地区超大断面地下工程的施工变形问题开创了新的领域.管幕工法虽然可以减少对周边环境的影响,但并不能完全消除.作者在充分研究钢管幕顶进施工过程中引起的地表变形特征基础上,建立相应的预测模型,应用人工神经网络智能滚动预测方法,对管幕工程的地表变形进行预测研究.研究表明：人工神经网络的一步滚动预测可以满足实际的工程需要,但精度相对偏低.而多步滚动预测虽可以得到较高的预测精度,但在实际工程应用中还需解决量的优化问题.     

三维激光扫描测量技术在滑坡整体监测中的应用

传统的滑坡监测方法存在效率低、监测不全面的特点,地面三维激光扫描仪可以高精度、高速度、非接触获得滑坡体表面的三维坐标。滑坡监测中不仅能得到单点信息,还可以获得变形面的信息。本文以郑州市西北某一滑坡监测为例,介绍了三维激光扫描滑坡监测流程和作业关键技术,阐述了三维激光扫描滑坡变形分析方法,运用点、线、面进行滑坡整体变形分析方法,得到滑坡体变形的点、线、面的滑坡变化信息,验证了该方法在滑坡监测中应用的可行性。     

基于不同Bootstrap方法和KELM-BPNN模型的滑坡位移区间预测

为解决传统滑坡位移点预测模型无法对自身预测结果的可靠程度进行有效描述这一问题,引入区间预测方法,提出一种基于不同Bootstrap方法和KELM-BPNN模型的滑坡位移区间预测模型。该模型以4种常用的Bootstrap方法为基础,首先对由各种外界触发因素与滑坡地表位移的监测信息组成的原始数据集,分别进行B次有放回的等概率随机抽样;然后基于不同Bootstrap方法得到的B个伪数据集,分别训练B个KELM模型对系统误差的方差进行估计,并根据估计结果,训练一个BPNN模型对随机误差的方差进行回归逼近;最终将采用相同Bootstrap方法得到系统误差方差和随机误差方差相结合,构造出在不同置信水平下的滑坡位移预测区间,并通过综合对比分析,提出与实际滑坡变形特征相适宜的位移区间预测模型。以三峡库区内具有阶跃式变形特征的典型堆积层滑坡——白水河滑坡为例,选取ZG93和ZG118两个监测点在2004年7月～2013年12月期间的数据进行研究。结果表明,与传统点预测模型相比,该模型不仅能够提供具有一定精度的点预测结果,还能构造出较为清晰、可靠的位移预测区间将真实的位移曲线完全包裹在内。此外,通过预测区间宽度的实时变化,该模型能够较好地量化与解释滑坡演化过程中外界触发因素的动态变化对滑坡变形造成的不确定性影响,为滑坡灾害的预报预警提供了一种新的思路和方法。     

基于神经网络模型的五强溪大坝多测点位移模型

相比单点模型,多测点模型可以从整体上对大坝进行变形分析预报,有利于从整体掌握大坝的安全运营状况。利用BP神经网络建立五强溪大坝多测点模型,并与传统的线性模型—逐步回归模型进行对比分析。结果表明,基于BP神经网络的非线性大坝多测点模型在拟合和预测精度上均有提高,表明该方法在大坝变形分析中有着较好的应用前景。     

小波变换与GM模型在基坑监测中的应用

地下空间开发的快速增长,引发的深基坑工程事故也随之增加,这种情况在山地城市尤其多见。因此,对施工过程进行全方位的监测和变形预测分析,及时、准确地反馈基坑变形动态,对工程安全起着至关重要的作用。本文叙述了GM模型的原理、生成方法,并以重庆越洋广场监测项目为例,采用GM模型对监测结果进行预测,并分析基于小波变换前后的预测效果和精度水平。结果表明,经小波变换后GM模型能够达到更好的应用效果。     

光纤光栅位移计组在围岩变形连续监测中的应用研究

针对多点变位计和滑动测微计在监测地下洞室围岩变形方面存在轴向位移分布连续性不足和无法实现自动化的问题,提出了将光纤光栅位移传感器通过组装成串应用在围岩变形连续监测的方法。该方法可准确得到仪器埋设沿线任一测点的监测量,由于光纤光栅位移计组具有精度高的特性,测得的围岩位移变化与洞室扩挖施工关系密切,与多点变位计监测结果总体变形规律基本一致,但光纤光栅位移计组能够监测到整个大尺度的监测线中任意间距的轴向位移分布,取得的成果信息量更大更为直观。作为对光纤光栅位移计在岩土工程变形监测中的应用探索,具有一定借鉴意义。     

基于EMD的GM-LSSVM在变形预测中的应用

针对变形呈非线性、随机性变化特征,提出了一种基于经验模态分解(EMD)的灰色最小二乘支持向量机(GM-LSSVM)变形预测模型。该模型首先采用EMD有效分离出隐含在变形序列中的非线性高频成分和低频成分;然后根据各分量特点构建了高频LSSVM预测模型和低频GM(1,1)预测模型,最后叠加各分量预测值得到预测结果。经理论分析和算例表明,并与灰色GM(1,1)、BP神经网络和LSSVM对比分析。结果表明,EMD能够有效分离变形序列的不同频率成分,本文方法具有较强的预测精度,均方根误差为0.40 mm,在变形预测中具有一定的实用价值。     

基于递归神经网络的基坑工程变形多步预测方法研究

针对深基坑系统的复杂的非线性及基坑工程变形多步预测的重要性 ,将人工神经网络技术引入其中。分析了用BP网络进行多步预测时存在的不足 ,提出了基于递归神经网络的基坑工程变形多步预测模型。通过一软土深基坑工程变形多步预测实例的分析 ,论证了递归神经网络用于基坑工程变形多步预测的可靠性和实用性。该方法有效可行 ,在其他领域的多步预测中同样具有广阔的应用前景。     

基于卡尔曼滤波的GM模型及其在公路边坡变形预测中的应用

在公路边坡变形监测与预测中,当用GM(1,1)模型对稳定的变形数据序列进行预测时,效果较好。但是,如果变形数据中因外界因素干扰而出现异常数据,使变形曲线发生波动,此时单纯采用GM(1,1)模型进行预测,就难以取得理想的预测精度。为此,本文提出一种基于卡尔曼滤波的GM预测模型,即先用卡尔曼滤波法对原始变形监测数据进行滤波处理,而后再建立GM模型进行灰色预测。通过公路边坡变形预测的应用研究,证明基于卡尔曼滤波的GM模型可以有效地提高预测精度。     

基坑变形的实时建模预报时序分析方法

针对基坑变形的特点,提出了在基坑变形预测中应用实时建模预报时间序列的分析方法,并通过对上海金融中心基坑的监测资料,证明了该方法的有效性,并得到了一些有益的结论     

多小波神经网络在变形预测中的应用

将多小波与神经网络结合提出一种新的变形预测方法——多小波神经网络预测法,通过理论分析和它在变形预测中的应用分析表明,该方法较其他预测方法具有更高的精度,更快的速度,值得推广。     

测量机器人自动化测量在地铁结构变形监测中的应用

临近基坑施工易导致地铁区间结构变形不稳定,存在较大安全隐患。本文介绍了测量机器人自动化实时监测在地铁结构变形监测与分析中的技术要点;并将自动化监测成果与人工监测成果对比,分析其监测精度。结果表明,自动化监测精度良好,且具有实时监测、快捷高效的优势,适宜在今后类似项目中得到应用。     

多变量灰色模型的优化及其应用

传统的单变量或等步长灰色预测模型未考虑监测点间的系统关联性及实际沉降观测周期往往是非等间距的特点,不足以反映路基沉降变形的实际规律。文章考虑了实际监测系统间的变形协调性,通过灰导数和背景值同步优化的方法,对多变量灰色模型进行拟合优化。工程实例表明,优化后的模型符合沉降监测系统的变形协调实际工况,能够比较真实地反映出沉降监测系统变形发展的总体趋势,具有良好的拟合预测效果。