边坡监测中测斜误差与精度分析

测斜仪虽然在岩土工程监测中广泛应用,但其测量精度及误差处理研究较少。基于 TCA2003全站仪与测斜仪两种仪器对边坡同一部位进行监测,对比位移监测过程线,分析测斜位移误差所包含的系统性成分如导槽扭转、零点漂移,计算结果表明测斜精度为±5~10 mm。边坡变形分析时须考虑测斜误差的影响,对位移值进行系统误差改正。     

全站仪三维非接触式围岩净空位移量测技术

围岩净空位移量测传统上采用机械式或机械—电子式收敛计等接触方法进行,存在测量精度差、测速慢、难以满足隧道快速施工要求等问题。全站仪综合应用了自动精确照准、锁定跟踪、联机控制、免棱镜测距等多项技术,使围岩净空位移量测的精度和快速测量技术取得了革命性的突破。本文介绍了全站仪三维非接触式量测技术在柳坪水电站引水隧道中量测围岩净空位移的情况,仅供业界同行参考。     

智能全站仪精密三角高程测量替代二等水准测量

鉴于用传统几何水准的方法进行垂直位移监测存在效率低、受环境和地形因素影响大等问题,探讨了用智能全站仪进行精密三角高程测量来监测垂直位移。简述了TCA2003全站仪的自动目标识别(ATR)功能和使用方法,研究了ATR精密三角高程测量的误差来源及精度;结合在某大坝的实践,分析了TCA2003全站仪ATR三角高程测量的实测精度及其替代二等水准测量的可行性和可靠性,给出了智能全站仪精密三角高程测量替代二等几何水准测量的条件、减弱误差的方法及提高精度的措施等。     

测斜仪精度试验与应用研究

本文分析了影响测斜仪精度的各种因素,包括测斜仪的率定、零漂与蠕变,以及温度变化等。并就这些因素对测量结果的影响进行了试验研究。通过量测三种测斜管的扭角大小,推导了扭角存在时的水平位移计算式。对试验结果的统计分析,得出三种测斜管的误差范围,推导了管深改变时的误差计算式。同时,进行了应变片测斜仪与伺服加速度计式测斜仪的测读精度的对比试验,得到了两者间的误差。     

基于GRU-WPA法的重力坝地基力学参数反演分析方法

利用位移实测资料对大坝地基力学参数进行反演时,常规反演算法存在收敛速度慢、精度差等问题。基于GRU神经网络代理模型和狼群算法,提出了一种新的反演方法GRU-WPA法,该方法在保证计算精度情况下能提高计算效率。将此方法应用于某碾压重力坝工程中的地基力学参数的反演,以典型断面中测点的观测数据为依据,反演分析寻优得到地基弹性模量,同时将反演弹性模量的有限元计算位移与实测位移相比较以分析精度,并与常规粒子群算法的反演分析结果进行对比。计算结果表明,GRU-WPA法计算速度更快,反演弹性模量有限元计算位移与实际位移的整体误差更小,表明GRU-WPA法在大坝地基力学参数反演分析中具有良好应用效果。     

基于TM50的大型地下洞室施工期变形监测方法研究

及时准确获取施工期地下洞室围岩变形信息对工程安全极为重要,由于施工期洞室受光照、灰尘、爆破、震动等因素的影响,监测方法、设备安装和现场施测受限。通过研究相对观测法和绝对观测法,基于高精度自动全站仪TM50推导分析其观测精度,设计并制作了一种防爆冲击监测点保护装置。某大型地下洞室施工期监测实践表明,爆破冲击监测点保护装置结合TM50全站仪相对测量法,可对施工期洞室进行快速、有效监测,形变监测精度优于1 mm。     

全站仪代替水准仪的方法研究

几何水准测量在坡度较大的地区难以实施,即使勉强采用,由于测站太多,精度不容易保证.利用三角高程测量时,由于诸多因素的影响,使三角高程的精度很难有显著的提高.如大气折光误差、垂直角观测误差以及仪器高和目标高的量读误差.而利用全站仪代替水准仪可有效地解决上述问题.介绍了全站仪代替水准仪、不量仪器高和觇标高进行高程测量的原理、误差来源和误差的消除方法,并用实例证明了这种方法的可行性.     

全站仪三角高程测量的方法及其精度分析

文章对全站仪自身提供的高程测量和测设功能进行三角高测量的方法进行简要介绍，并对其产生的误差情况进行适当的精度分析。     

用免仪高、目标高同时对向三角高程观测法替代二、三等水准测量的研究

介绍了用两台改造后的全站仪任意置站的方法进行三角高程对向测量求取高差的公式推导和误差计算,论述了用三角高程测量代替二、三等水准测量的可行方法,测量时不必量取仪器高、目标高,减少了三角高程的误差来源,加快了施测速度。并对测量误差进行分析,指出用三角高程替代三等水准测量的可行性。     

用全站仪进行三角高程测量的方法探讨

三角高程测量的传统方法因其在测量过程中需量测仪器高和棱镜高,施测速度较慢且形成了误差来源,而运用全站仪进行三角高程测量时,可不必量取仪器高和棱镜高,既加快了施测速度,又从根本上解决了量测仪器高和棱镜高所带来的误差问题。     

排桩冻结法深基坑排桩监测水平位移校正模型

对润扬大桥南锚碇排桩冻结法深基坑,通过孔内测斜对排桩水平位移进行监测,监测过程中发现由于冻结和孔底端部位移造成排桩测斜数据有较大误差,必须建立有效的位移校正方法对排桩测斜数据进行校正。数据分析表明,通过压顶梁水平位移不能校正排桩水平位移测斜数据误差,而利用支撑位置位移校正排桩测斜水平位移误差是可行的。通过第一道支撑位置支撑轴力和温度参数对排桩水平位移进行校正,得到排桩水平位移校正模型。利用已有的监测数据,对排桩水平位移校正模型从两方面进行了验证,结果表明,校正模型的建立为基坑反演分析和基坑稳定性预测预报提供了较准确的排桩水平位移监测数据。     

基于BP神经网络-马尔科夫链模型的隧道围岩位移预测

在隧道工程施工中,围岩位移预测起着很重要的作用。将BP神经网络-马尔科夫链模型引入到隧道围岩位移预测中来,通过对训练样本的学习,利用BP神经网络实现了对位移时间序列的滚动预测,同时得到了实测值与预测值的相对误差;在此基础上利用马尔科夫链对相对误差进行修正,有效地提高了预测结果的精度。并将该模型应用于某公路隧道拱顶下沉位移时序预测中,结果表明该模型具有精度高、科学可靠的特点,为隧道围岩变形的预测提供了新的途径。     

试论杆式多点变位计测杆的位移传递精度

多点变位计按其原理可分两类：一类将位移传感器安设于钻孔内部，直接测量被测部分；另一类传感器置于孔口，间接测量被测部分．但后者的缺点是增加了位移传递误差．精度测试设备由尾座、约束墙、测头三部分组成，分5方面考察测杆位移传递精度：（1）迟滞（死区）非线性；（2）迟滞；（3）单向线性；（4）小位移特性；（5）重复误差．此外，摩擦、杆件断面尺寸、材料、长度及张力等参量对精度具有一定影响．     

边坡长期监测中测斜仪测量数据的修正

针对在边坡长期监测过程中出现的部分测斜数据离散性较大、位移方向不合理的问题，分析了测斜仪的主要系统误差，提出探头角度定位旋转误差是影响现场测量结果的主要误差。通过现场实例，比较修正前后的数据，说明了角度定位旋转误差修正的合理性。     

考虑松动圈的地下洞室群施工期岩体参数反演

结合大岗山水电站地下厂房洞室群施工期分层开挖特点,提出考虑松动圈参数弱化效应的反演基本模型。引入GA-BP算法,基于正交试验设计与FLAC^3D差分程序获得神经网络学习样本及测试样本,建立起围岩力学参数与位移之间的高度非线性映射关系。根据现场实测位移和网络映射位移,建立目标函数,采用遗传算法在岩体参数经验取值范围内,搜索使目标函数取得最优解的参数组合,以获取反演的最优岩体参数。最后利用获取的岩体参数进行正演分析并进行位移的后验差法检验,结论表明了该方法的适用性,其可用于反馈并指导地下工程设计与施工。     

基于变分模态分解和深度置信神经网络模型的滑坡位移预测

三峡库区共有滑坡1 000余处,频繁发生的滑坡灾害极大威胁着人民生命财产安全,因此开展合理有效的滑坡位移预测对减少财产损失和拯救人民的生命具有重要的研究意义。以三峡库区白家包滑坡为例,针对当前滑坡位移预测中常用分解方法的局限,在位移时间序列的分解中引入可以控制分解模态数目的变分模态分解方法,选取不同模态参数进行对比,以提高分解模型的精度和有效性;并基于滑坡触发因子建立深度置信网络模型对位移子序列进行预测,重构所有子序列预测结果得到总的位移预测值。总位移预测均值绝对误差3.657 mm,平均绝对百分比误差为0.010%,总体预测精度高,该方法误差小,具有良好的应用指导意义。     

基于BP神经网络-加权马尔科夫模型的泄水闸水平位移预测

针对传统变形统计模型和BP神经网络模型对水工建筑物变形预测精度欠佳的问题,建立了BP神经网络-加权马尔科夫模型。首先,采用均值－均方差法对BP神经网络模型拟合的相对误差序列进行状态分类,并检验状态序列的马氏性。然后计算各阶自相关系数和转移权重,利用加权和最大概率值预测未来的随机状态。最后以王甫洲水利枢纽泄水闸11^#闸墩测点水平位移实测数据为例,分析比较逐步回归统计模型、BP神经网络模型和BP神经网络-加权马尔科夫模型的预测效果。结果表明：相比于逐步回归统计模型和BP神经网络模型,BP神经网络－加权马尔科夫模型的预测精度更高,说明BP神经网络-加权马尔科夫模型较为可靠。     

混凝土坝变形监测中的精度问题

变形监测采用中误差作为衡量精度的标准,为满足测得大坝变形规律、监控大坝安全的要求,还应提出对历次监测成果精度估计的要求。对高、低坝应有不同的精度要求。监测工作基点不宜布设在变动的坝体上,因工作基点位移值主要是用倒垂测得的,其监测精度影响整个系统精度。     

基于三维数值流形法的位移边界处理方法

针对三维数值流形法中罚函数法施加任意方向边界位移和多步加载误差累积问题,通过修正传统三维数值流形法控制方程中的位移边界部分,推导出含沿着某一方向施加边界位移条件和相应的分步加载情况的计算公式,以期扩大控制方程在位移边界处理上的适用范围和减少多步加载误差累积效应。选取2个典型算例进行数值模拟和对比分析,验证该方法的准确性。计算结果表明:文中方法的计算结果与解析解相吻合,修正公式适用于不同方向施加边界位移的情况,具有较强的适应性;考虑位移边界误差修正比不考虑误差修正的计算精度高;随分步加载步数的增多,不考虑位移边界误差修正的累积计算误差逐渐增大,考虑位移边界误差修正的则影响不大。     

基于蚁群算法优化极限学习机模型的滑坡位移预测

采用高精度的优化算法对于提高滑坡位移预测模型的准确性具有重要意义,然而已有文献中很少对多种优化算法进行对比研究。以三峡库区的八字门滑坡为例,以极限学习机（ELM）理论为基础进行滑坡位移预测,同时运用多种算法对建立模型过程中的参数选择进行优化以期提高预测效果。为提高预测精度,以移动平均法为基础,将滑坡位移分解为趋势项和周期项,趋势项位移使用多项式函数进行预测,周期项位移使用MATLAB自编程序的极限学习机模型进行预测,两项预测值相加即可得到最终的累计位移预测值。计算结果表明：单一的ELM模型能够较为准确地预测具有阶跃式曲线的滑坡累计位移,预测结果的平均误差为23.5 mm,拟合优度为0.973。与粒子群算法和遗传算法相比,蚁群算法（ACO）在计算用时和优化效果上更优,蚁群算法优化极限学习机模型对位移的预测精度也最高,平均误差为10.1 mm,拟合优度为0.998,可在类似滑坡的位移预测研究中进行推广。