三维激光扫描结合无人机倾斜摄影测量的变电站变形监测研究

结合三维激光扫描和无人机倾斜摄影测量的优缺点,笔者提出了一种将三维激光扫描与无人机倾斜摄影测量结合的变电站变形监测方法,通过从多角度采集监测体的变形数据,建立监测体完整的三维点云模型,分析监测体整体状态和变形趋势,提取监测体的细节变形。监测结果直观明了、效果良好,为变电站变形监测提供了一种较理想的方法。     

土石坝工程监测管理信息系统研究

根据土石坝工程监测项目和观测手册要求，应用计算机及有关信息系统技术，研究了土石坝观测资料整编和分析计算方法，建立了土石坝工程监测管理信息系统。     

三维激光扫描技术在面板堆石坝挤压边墙变形监测中的应用

为了分析挤压边墙的变形特性对混凝土面板的施工及应力变形影响,首次采用瑞士徕卡公司生产的ScanStationP40扫描仪对涔天河面板堆石坝挤压边墙进行3期扫描,将第1期扫描点云数据作为基准数据,将第2期、第3期扫描的点云数据分别与基准数据进行对比分析来获取挤压边墙的变形特性,然后与同期挤压边墙上的棱镜实测数据对比分析。结果表明挤压边墙中上部呈向下游位移的趋势,而下部呈向上游位移趋势;基于三维激光扫描的挤压边墙顺河向位移变化区域大于棱镜实测顺河向位移变化区域;挤压边墙中上部沉降较大,两岸沉降较小,挤压边墙处于变形发展阶段,尚不适合进行面板施工;2种监测手段得到的挤压边墙变形趋势基本一致。说明利用三维激光扫描技术对面板堆石坝挤压边墙表面变形进行监测是可行的,可为类似工程提供参考。     

基于Matlab的土石坝变形分析BP神经网络模型的建立——以哈尔滨西泉眼水库大坝为例

针对传统的数学模型方法的不足,本文通过对BP网络模型的研究,建立改进的BP神经网络预测模型即采用附加动量法和自适应学习效率相结合的BP模型,并使用MATLAB语言编程加以实现。并将该模型应用于哈尔滨西泉眼水库大坝变形监测数据的分析和预测,发现其预报精度较传统模型有较大提高。     

《土石坝安全监测技术规范》中的几个问题

主要讨论了土石坝安全监测中变形观测的精度指标和观测项目，观测次以及其问题，对于合理选择变形观测方法和以及提高高监测设计水平具有一定意义。     

基于人工神经网络的土石坝沉降组合模型

影响土石坝沉降的主要因素是时效变形,目前常用的统计模型中时效分量主要采用指数模型和对数模型,但在某些工程实际中两子模型的拟合值与实测值偏差较大。文中在统计子模型基础上研究了一种基于人工神经网络的土石坝沉降组合模型,用于对土石坝沉降的拟合和预测,并给出实例。结果表明,组合模型较好地发挥了神经网络的非线性映射能力,并比统计子模型的拟合效果好。     

基于ABC-SVM的土石坝变形监测模型

针对土石坝变形具有较强的非线性特征,传统统计模型预测精度不高,误差较大的问题。引入支持向量机模型(SVM),并采用人工蜂群算法(ABC)对支持向量机的关键参数惩罚因子C和核函数参数σ进行寻优,提高模型的拟合和预测精度,建立ABC-SVM模型应用于土石坝变形监测。实例验证分析表明:与传统多元回归模型和SVM模型相比,ABC-SVM模型预测精度高、泛化能力强。利用ABC-SVM模型对土石坝变形进行预测效果良好,可在大坝安全监测领域推广应用。     

三维激光扫描技术在大坝监测中的应用

利用三维激光扫描测量技术的快速高精度高密度获取测量对象的三维点云数据特点,分析探索其运用于大坝变形监测的方法。该方法改变了传统以变形点代替整个大坝外部变形的分析方式,更能快速时时获取真实反应大坝变形的数字地面模型数据。体现出其在大坝监测中的明显优势。     

基于移动平均法的危岩点云数据处理及变形分析

传统危岩监测存在布点困难、效率低等不足,而三维激光扫描技术因采用非接触测量而可快速获取点云数据,但数据处理是难点。提出了一种基于移动平均法的危岩点云数据处理方法以提高变形识别率。首先根据危岩节理特征构造新的空间坐标系,使得某一轴向可直观反映危岩主要滑移方向,再通过曲面拟合计算移动窗口内的特征点,有效缩减了点云数据,在此基础利用ICP算法搜索对应点。依托温州某隧道工程,分析开挖边坡出现的危岩沿潜在滑移方向的位移,结果表明该方法极大提高了危岩变形识别的正确率,危岩在两次监测时间内存在约10 mm的变形,需采取一定的防治措施。     

基于三维激光扫描的建筑立面测绘关键技术

以海南省乐东黎族自治县旧城改造立面测绘项目为依托,提出了基于三维激光扫描的立面测绘作业流程,较全面地总结了该技术在建筑立面空间数据获取、数据处理和立面绘制方面的关键技术,其可提高建筑立面测绘效率和精度。     

基于改进ABC-BP的大坝变形监控模型研究

针对传统大坝变形监控模型的不足,在对人工蜂群(ABC)算法给予改进的基础上,开展了基于人工蜂群(ABC)与BP神经网络的大坝变形监控模型建模原理、实现方法以及工程算例分析研究。通过引进自适应比例和平均欧式距离,克服了标准人工蜂群算法易陷入局部最优的缺点;进而利用改进后的人工蜂群算法,对BP神经网络的初始权值与阈值进行寻优。算例分析表明,将改进后的人工蜂群算法与BP神经网络技术相结合,并用于大坝变形监控模型的构建,有效提升了模型的拟合和预报能力。     

基于NMEA-BP大坝变形监测模型研究

在对思维进化算法(MEA)改进的基础上,开展了基于思维进化算法与BP神经网络的大坝变形监测模型的研究。通过引入小生境技术和思维进化算法,克服了BP神经网络易陷入局部最优值、训练时间长和收敛速度慢等缺点,极大地提高了其搜索效率和全局搜索能力。通过进一步利用改进的思维进化算法优化BP神经网络的权值和阈值,建立了NMEA-BP大坝变形监测模型,并用该模型对工程实例进行了拟合预测。结果表明,NMEA-BP模型有效提高了大坝变形预测的精度,能更高效准确的进行大坝变形监测。研究成果为大坝变形监测的理论和实践研究提供参考。     

基于支持向量机的土石坝安全监测预报模型研究

简要介绍了支持向量机的基本原理,在对建模因子进行分析的基础上,提出了基于支持向量回归（SVR）算法的土石坝安全监测预报模型。实例分析表明,该模型与传统的多元线性回归模型和逐步回归模型相比,具有预测精度高、泛化能力强等优点,对土石坝安全监控具有实用价值。     

混凝土重力坝变形博弈监控模型研究

传统的重力坝安全监控模型考虑了水压、温度及时效等外荷载的作用,尚不能反映出大坝材料与结构特性的影响。基于博弈思想,提出大坝变形的博弈参与者,研究分析了大坝变形与大坝材料、大坝结构特性等抗因素的关系,构建了大坝安全监控博弈模型的具体表达式。工程实例分析表明,本文所提出的博弈模型能够更好地模拟大坝的变形过程。     

关于多波束水下坝面平整度检测方法的研究

目前,在对一些运行时间较长的水电站和水库大坝进行防渗补强处理时,需对水下坝面平整度进行检测.本文有针对性地提出了采用多波束水下坝面平整度检测方法,并在实践中加以探索性研究,为解决工程的实际问题提供切实可行的方法.同时,通过对野外采集的"点云"数据进行分析和处理.在Microstation环境下进行构TIN和三维模拟,能够形象直观地再现水下坝面的实际情况,为大坝防渗补强施工提供技术支持,取得了较好的效果,具有良好的推广和应用价值.     

灰色模型改进的大坝变形分形几何监控模型

为了对大坝安全进行准确监控,利用分形几何理论预测大坝变形。针对一般常维分形分布不能很好分析大坝变形数据的问题,对监测数据进行N阶累计和变换,对变换后的数据利用分段变维分形模型计算各阶变形维数序列,再选择效果较好分形维数已知序列预测未知分形维数,最后反推大坝变形预测数据。针对传统变维分形预测模型分形维数预测方法的不确定性和所需监测数据量大的缺点,利用灰色模型预测分形维数,建立改进的大坝分形几何监控模型。结合工程实例,对比插值法预测分形参数的传统分形几何预测模型和灰色模型改进后的预测模型之间的预测精度,结果表明,改进分形模型不仅在预测精度上有所提高,而且更具稳定性和抗波动性。     

云鹏水电站大坝渗流安全监测资料分析

土石坝首次蓄水对大坝安全稳定影响较大,加强和重视初蓄期大坝渗流监测尤为重要。通过对云鹏大坝初蓄期渗流监测数据的回归分析,掌握坝体水位及渗流量变化规律,判断大坝渗流运行状态,为大坝竣工验收及运行管理提供参考。     

土石坝碾压实时监控系统模拟 试验研究

简单介绍了土石坝碾压实时监控系统组成与设计、系统软件设计及其主要技术。在非真实碾压施工环境下,利用人力四轮手推车行走来模拟碾压车碾压过程,并对监控系统硬件、软件功能进行了测试,结果表明系统软硬件可靠稳定。模拟试验数据的后处理与分析表明,系统高程精度达到了±1.40 cm,沉降差计算精度达到了毫米级。该监控系统具备了高精度、实时、自动、全天候等特点,对于提高土石坝施工技术与管理水平具有十分重要理论意义与应用价值。     

基于人工蜂群算法与Elman神经网络的大坝变形监控模型

针对Elman神经网络收敛速度慢、容易陷入局部极小等问题,建立了人工蜂群算法(ABC)与Elman神经网络组合的大坝变形监控模型。应用于某混凝土重力坝的结果表明,单纯Elman神经网络建模方法预测的相对误差和标准差分别为3.50%和0.131,ABC-Elman(人工蜂群算法与Elman神经网络)模型预测的相对误差和标准差分别为1.98%和0.063。从各影响因子对大坝变形的贡献上看,水压分量占27.9%,温度分量占62.3%,时效分量占9.8%。ABC-Elman模型在建模效率、预测精度等方面均有一定的优势,较适合于大坝变形的建模分析,并可推广于大坝渗流、应力等监控模型中。