时间序列预测法在大坝变形监测数据处理中的应用

对变形数据的分析与预测是变形监测数据处理的重要内容.从时间序列的基本原理出发,详细论述了如何使用这种方法对变形监测数据进行建模与预测,并通过实例计算验证了此种方法具有较高的拟合和预测精度,较好地描述了变形监测点的变化规律.     

应用频谱法分析水文时间序列的代表性

水文时间序列的代表性分析是水文频率计算的一项重要内容,水文频率分析成果的优劣在很大程度上取决于水文序列的代表性。目前对水文序列代表性分析仍缺乏有效的方法。本文尝试引入频谱分析法分析水文序列的代表性,根据频域中水文序列周期数,判断研究的序列是否含有丰、平、枯或大、中、小各特征量级的序列值,从而确定水文序列代表性的优劣。通过对实际测站年最高水位序列的频谱分析去判断其周期,由此推断该序列具有较高的代表性,其频率计算设计成果具有较高的精度。     

GPS变形监测网数据处理综述

介绍了用GPS相对定位技术建立变形监测系统的过程,包括监测网的技术设计、数据采集、数据处理要求、GPS网基线平差计算、GPS网质量评价以及变形分析等。重点讨论了在制定GPS监测网数据处理方案时要考虑的问题。     

频谱分析在大坝变形影响因子选择中的应用

阐述了频谱分析的基本原理和计算方法,运用傅里叶变换将时域上的大坝监测数据转换到频域,利用其频谱特性分析温度、水位、降水等因子对大坝位移的效应量,并通过多元回归分析法进行验证,为分析大坝变形成因及建立变形模型提供了新的参考依据.     

大坝沉降监测的时间序列与预报

基于平稳性时间序列分析理论,对大坝沉降监测数据时间序列进行模式识别、参数估计,建立变形监测分析与预报的ARMA模型。结合实例,运用该模型对变形监测数据进行动态分析和预报,将拟合和预报数据同原始数据进行比较分析,结果表明ARMA模型处理动态监测数据是十分可行和有效的,具有重要的应用价值。     

时间序列分解模型在大坝变形预测中的应用

基于时间序列分解法建立大坝变形预测模型。引入灰色系统理论来分离趋项,并将全域法分析和时间序列有机结合。从预测结果可以看出,模型具有较高的预测精度。     

GPS变形监测网数据处理综述

介绍用GPS相对定位技术建立变形监测系统的过程,包括监测网的技术设计、数据采集、数据处理要求、GPS网基线平差计算、GPS网质量评价以及变形分析等。重点讨论了在制定GPS监测网数据处理方案时要考虑的问题。     

水电站变形水准网的数据处理

就变形监测水准网观测成果的粗差筛选、最小二乘平差和各种方法的相似变换及变形分析等方面的数据处理进行电算程序编制，用于变形水准网数据筛选和变形分析的稳健估计法逻辑严密、实用性强，是变形水准网数据处理中行之有效的途径之一。     

基于时间序列的大坝早期变形预测

大坝早期变形是一个含有已知和未知因素的不确定的复杂过程,沉降变形计算和预测在水库运营管理中具有重要意义。针对大坝变形沉降曲线非平稳的特性,利用时间序列原理建模进行预测,并与实测数据进行比较。结果表明,时间序列预报模型较好地描述了变形监测点的变化规律,预测精度优于灰色模型,更适用于实际应用。     

基于滑坡监测数据的时间序列位移预测

滑坡位移变形的产生及演变 ,对于滑坡安全稳定性的评价至关重要.以德化县美湖乡上际村桥亭头滑坡为例 ,将边坡失稳时的总位移分解成位移的趋势项和位移的周期项 ,通过时间序列方法对滑坡位移进行预测 ,在监测数据的模糊离散性与随机性的基础上以及变形参数所呈现的相关规律 ,通过GM(1 ,1)的灰色模型获得位移的趋势项 ,采用了时间序列的方法对其进行拟合 ,并通过自回归(AR)模型使得非平缓时序转化为平缓时序.最终再通过时间序列加法得到滑坡总位移预测值.结果显示具有较高精度 ,对了解边坡位移的发展趋势以及研究边坡的动态稳定性是有效可行的.     

基于时间序列分析的滑坡变形动态预测研究

针对以往变形预测模型实用性不足的缺点,基于时间序列分析原理,结合系统论和岩土体流变理论,在深入研究影响滑坡变形的外界主控环境变量的基础上,采用移动平均法和多项式函数对位移时序的趋势项进行抽取和建模,用支持向量机建立起环境主控变量与位移偏离项之间的非线性关系,并根据变形对外界环境响应情况建立起动态预测模型.将此预测思路和方法应用于三峡库区某滑坡,通过实例研究表明:该预测思路和方法合理可行,不但具有较强的建模能力、且有较高的精度,可用于相关的工程实践之中.     

柴河水库大坝外部变形监测资料分析

大坝变形监测是掌握坝的运行状况、保证大坝安全运行的重要措施。在柴河水库大坝的变形观测中,沿坝轴线方向(纵断面)共设了6个观测断面,沉陷和水平位移观测标点放在同一基座上,共用同一点号,共计62个位移标点。对原始监测数据和新开发的水库大坝变形监测系统资料的分析显示,大坝垂直位移变化、水平位移变化均符合土坝变形规律。     

陕北年径流序列的谱分析研究

径流周期识别是径流模拟预测的依据。基于功率谱和极大熵谱分析原理,进行了陕北地区12个测站的年径流序列的周期识别。结果表明：最大熵谱分析具有高分辨率的周期识别的特点,陕北地区的年径流一般具有2－4年、11年左右和18－24年的水文周期。对于年径流序列长度大于35年的测站,功率谱分析和最大熵谱分析的分析结果一致,但是对于序列长度小于35年的序列,功率谱分析表现出分辨率低的不足;最大熵谱分析具有分辨率高的特点,提取的主要周期符合实际。     

时序InSAR在南水北调中线形变监测中的应用

南水北调中线工程作为我国特大型线性输水建筑物,保障干渠的安全运营是推进受水区人民生活与经济发展水平的重要措施.利用改进的SBAS InSAR技术,对覆盖南水北调中线辉县段干渠自2015-04-11至2019-03-09的90景Sentinel-1A数据进行高精度处理,得到2015年4月至2019年3月期间辉县段及其周围...     

支持向量机在变形监测数据处理中的应用

支持向量机是基于统计学习理论的结构风险最小化原则的数据挖掘新方法，它将最大分界面分类器思想和基于核的方法结合在一起，具有很强的泛化能力，能保证所得解是全局最优解。文中简要介绍了支持向量机的基本原理及其在变形监测数据处理中的应用，论述了如何利用支持向量机进行建模和预报。通过对某大坝变形监测的连续观测数据的计算分析，论证了支持向量机在变形监测中应用的可行性和有效性。     

降水资料系列代表性分析

本文通过对降水资料长短系列统计参数的对比分析和周期性分析,来研究确定短系列资料对长系列资料是否具有代表性。     

时间序列分析方法在郑州市降水量预报中的应用

根据1971年-2013年郑州市的降水量资料,采用二次多项式拟合提取降水量的趋势分量,采用谐波分析法提取降水量的周期成分,利用自回归模型求解随机成分,最后将三者叠加,构建了郑州市降水量的预报模型。模型计算结果与实测数据对比可知,应用预报模型对降水量进行预报精度较高。因此利用建立的预报模型对2014年-2016三年的降水量进行了预测,为该区水资源的管理提供依据。     

非线性振荡分析在土石坝变形监测资料的应用研究

传统的时间序列法是对土石坝变形观测量在特定时间范围内的变化特征进行拟合建模,无法揭示观测点变形测值之间的共性。采用分形理论中非线性振荡分析方法,研究了变形时间序列数据的相关性及后续建模选取数据的有效性,提出的定标指数可用来甄别监测点时间序列的位移值是否存在长期记忆性,有效的预测未来的发展趋势,并指出后续建模选取时间序列的起始范围。实例应用结果表明提出的方法可较好的分析土石坝变形性态及预测预报,为土石坝变形安全分析提供了一种新途径。     

基于雷达卫星时序分析技术的荆江沿岸堤防形变研究

收集了2018—2019年度的32景雷达卫星影像,采用PS-InSAR技术对荆江大堤石首至监利段堤防的沉降进行监测,获取了2018年4月至2019年4月间该区段堤防的平均沉降速率,分析了其形变趋势及物理机制。结果表明,该段堤防存在不均匀沉降,但在一年中形变的趋势会随时间变化。利用雷达卫星时序分析技术可实现荆江堤防的沉降情况高效大范围监测,表明该技术在长江堤防形变监测上具有很大的应用潜力。