GPS边坡变形监测数据处理与精度分析

GPS定位技术的发展为露天矿的边坡变形监测提供了一种简便可靠的手段。水厂露天铁矿采用GPS静态相对定位技术对其高陡边坡变形进行了监测。本文结合水厂铁矿的监测实践，对GPS静态相对定位技术用于变形监测的数据处理过程及其精度进行了阐述和分析。实践表明，GPS监测具有很好的可靠性，与传统的监测手段相比，其可操作性更强，精度更高，值得在边坡变形监测领域中推广使用。     

基于高程异常拟合模型的矿区测量数据处理

基于高程异常拟合模型对矿区测量数据处理进行研究,分析总体最小二乘模型的几何意义,基于奇异值分解算法与拉格朗日函数算法,结合数据处理实例讨论矿区高程异常拟合。研究表明,与最小二乘算法相比,基于拉格朗日函数的总体最小二乘算法求解的拟合模型参数精度没有显著提高。     

基于WTLS的井筒变形监测算法及方案设计

针对基于最小二乘的常规井筒变形监测算法中,系数矩阵往往包含观测值误差影响,难以解算出井筒变形最优解,提出一种抗差加权整体最小二乘算法。该算法通过同时对待求参数和系数矩阵进行估计,克服常规最小二乘系数矩阵受观测值随机误差影响;同时结合IGGⅢ三段权函数抗差因子,调整各观测值权函数,消除观测值粗差对最终变形估计值的影响,得到最优的井筒变形值。最后分别采用模拟和实测井筒数据对算法进行了验证,结果表明:当观测值含有随机误差时,整体最小二乘算法优于最小二乘,但都无法抵御观测粗差影响;抗差加权整体最小二乘算法可以有效抵御观测粗差,修正观测随机误差影响,且精度优于抗差最小二乘;采用抗差加权整体最小二乘算法对实测井筒变形数据进行解算结果与实际相符,可以增强变形监测结果的可靠性,提高井筒变形量精度。     

井筒变形监测方法与数据处理

矿山井筒在运营期间的监测与维护是矿井安全生产中必不可少的重要工作。只有对井筒实施长期全面的变形监测,才能为井筒的维护提供可靠的信息。文章针对井筒变形的特点,提出了一种较实用的监测与数据处理方法,为井筒的安全维护提供了有效的监测手段和方法。     

基于PLS回归分析建立岩移参数预测模型

根据《煤矿测量手册》提供的关于岩层移动角的观测资料，论文试图用普通最小二乘回归建立岩移参数β关于煤层倾角、煤厚、采深等参数因子的回归模型，结果没有成功，按照《煤矿岩移与地表移动》的介绍，回归的结果不符合实际情况。在这种情况下，作者应用偏最小二乘回归建立岩移参数β的统计模型。结果表明，所建的统计模型与《煤矿岩移与地表移动》中的相比，较为合理。     

《变形监测与数据处理》课程教学改革实践

《变形监测与数据处理》是测绘工程的主要专业课程,为适应变形监测内涵的扩展以及变形监测新技术的运用,对该课程的内容体系及教学方法进行了探讨,建立了基本方法-新技术-工程实例课程内容体系,设计了模拟项目化的实验并建设相应实验环境.     

齐云塔变形监测及数据分析

文中通过变形观测分析,其结果能够为诊断建筑物受破坏情况提供原始资料,并非常精确地反应出建筑物受破坏的程度、范围,对齐云塔的维修和切实有效的治理提供较为可信的数据依据。     

不完全变形监测数据处理与优化研究

针对指数平滑法和EM算法来预测不完全变形监测数据的潜在值, 分析了两种方法的局限性, 提出了指数平滑法动态选择衰减因子的改进方法和EM算法与切比雪夫多项式组合分析方法, 对比分析结果表明, 采用两种优化方法来生成缺失数据的潜在值均能满足精度要求, 且优化指数平滑法在沉降监测预报的效果更佳。     

隧道围岩变形监测及变形规律分析

文中介绍了全站仪自由设站法在隧道变形监测工程中的应用;通过对观测结果的分析,探讨了围岩变形的非线性规律,研究结果为隧道支护时机的选择和进行后续支护工作提供了依据,对隧道安全和质量的保证具有重要的意义。     

基于集对分析的上海地面沉降监测数据处理

该文基于集对分析理论对数的认识与刻划,探讨了地面沉降监测成果的精度、可信度与误差估计等问题,以便更有效地进行监测数据的获取、分析与应用。     

矿区GPS变形监测

对矿区GPS变形监测网的建立、实时控制、基线平差、变形分析及分形特征等问题进行了探讨。经过对GPS实时监测变形数据分析可知，地表点的移动具有较强的增长规律，GPS变形监测技术能够揭示地表移动的非线性特征，为变形分析与预测提供了新的途径。     

采空区变形监测数据分析研究

针对煤矿采空区变形数据处理,基于灰色系统理论的GM(1,1)模型对某采空区沉降变形监测数据做了分析,采用三次线性拟合进行了结果对比,给出了对比数值表和对比曲线图,并对分析结果作了评价,提出采用GM(1,1)模型与三次线性拟合互检核的方式进行采空区变形分析.     

基于遗传BP神经网络的变形数据分析处理

基于遗传算法的全局寻优特性和BP算法无法避免局部极小的问题。为变形数据的分析预测提出了改进的BP网络．即首先应用遗传算法优化网络的初始权重，然后再利用BP算法最终完成网络训练。实例分析表明，改进后的BP网络的训练次数和最终权值相对稳定，该方法在变形数据预测的精度、速度和稳健性等方面都优于BP网络。     

基于量子神经网络拟合法的矿区地表变形监测

矿区地表变形监测受到矿区地质构造条件、开采规模、采矿工艺等因素的影响,目前常规的矿区地表变形监测方法具有流程繁琐、工作量大、监测精度低等不足,为此,提出了一种基于量子神经网络拟合法的矿区地表变形监测方法。该方法通过将矿区监测点x、y坐标作为神经网络输入层神经元,将监测点的高程异常量（ξ）作为神经网络的输出层神经元,经多次迭代获得最优解。基于某矿区GPS监测数据,分别采用二次多项式拟合、BP神经网络拟合以及所提方法进行对比试验,并引入内、外符合精度作为各方法拟合精度的评价标准,结果表明：对于不同分布的监测点以及不同数量的监测点,所提方法相对于其余2种方法而言具有较高的内、外符合精度及较小的残差,对于提高矿区变形监测精度有一定的参考价值。     

基于三维激光扫描技术的矿区建筑物变形监测方法

传统变形监测方法存在工作量大、监测点难以保护、监测时间长等不足,与传统监测方法相比,三维激光扫描技术具有非接触、高密度、高精度、信息量大、快速获取物体表面三维空间坐标等优点。结合相似材料模型试验,提出了基于三维激光扫描技术的矿区建筑物变形监测思路。首先采用全站式三维激光扫描仪分别对二维相似材料模型在5个不同开采时段进行整体扫描,将扫描数据通过点云数据后处理软件进行预处理,从中提取模型上黑白靶标即变形监测点的三维坐标;然后结合MATLAB语言编程,实现监测点由假定坐标到目标坐标的自动化转换,提高点云数据处理效率;最后根据试验得出的变形监测思路,对某矿区水塔进行了变形监测,并与全站仪的监测数据进行了对比分析。研究表明:采用三维激光扫描技术获取的水塔变形监测数据与全站仪获取的监测数据的最大误差仅为1.8 mm,远小于沉降变形监测10 mm的精度要求,可见对矿区建筑物采用三维激光扫描技术进行变形监测具有可行性。     

矿区边坡变形预测的IGM-LSSVM模型

由于监测环境恶劣,变形监测序列常伴有较大波动,针对灰色模型（gray model,GM）仅适用于分析指数型变形序列,且最小二乘支持向量机（least squares support vector machine,LSSVM）在进行变形预测时存在参数难以有效选取的问题,提出了一种改进的灰色最小二乘支持向量机变形预测模型（IGM-LSSVM）。将几何平均生成变换引入GM（1,1）模型,增强其输入样本的指数规律性,初步预测出变形值并计算残差;针对人工蜂群算法（artificial bee colnony,ABC）在优化LSSVM参数时易陷入局部极值的缺陷,引入Metropolis准则并为其设计了自适应降温函数,得到自适应Metropolis人工蜂群算法（adaptive metropolis artificial bee colnony,AMABC）;利用AMABC算法优化的LSSVM训练GM（1,1）模型得到的预测残差值补偿GM（1,1）模型,得到最终预测值。某矿区边坡变形预测表明：AMABC算法有效克服了ABC算法易陷入局部最优解的缺点,IGM-LSSVM、GM（1,1）、ABC-GM-LSSVM等模型预测的平均相对误差分别为1.223%,9.565％、3.200％,可见,IGM-LSSVM的预测精度相对于其余2种模型优势明显,对于实现矿区边坡变形高精度预测有一定的参考价值。     

GPS变形监测网的整体方差分析法

为解决GPS监测的数据处理问题,给一个解体方差分析方案,其特点肾对所有GPS站的位移参数及其精确度进行估计和检测,这与通常的单站形变分析方法不同,。这种分析方案也同样适用于常规技术的变形监测网分析。     

基于小波变换的矿区地表变形监测数据处理

文中就目前矿区地表变形分析存在的一些不足之处,提出采用小波变换进行数据降噪处理,使数据达到平滑;同时利用小波变换对形变大的图像进行降噪、压缩处理,在此基础上对矿区地表变形监测数据进行特征提取。并且给出了某煤矿的变形监测数据的处理情况,论证了小波变换在矿区地表变形分析上的可行性。