顾及系数矩阵结构灰色Verhulst-TLS 估计及路基沉降变形预测

针对观测值存在误差时,灰色Verhulst 模型的白化方程系数矩阵同样包含误差,如果再使用最小二乘方法进行求解,计算出的模型参数是有偏的,而路基沉降预测精度要求越来越高,对此,提出了一种顾及系数矩阵误差结构的总体最小二乘新算法,该算法顾及系数矩阵误差及其特殊结构,考虑误差全面,减少未知参数个数,预测精度高,可广泛用于路基沉降预测。     

小波和混沌神经网络在大坝变形预测中的应用

大坝是复杂的变形系统,其变形表现为动态非线性,也存在混沌现象。为充分利用大坝变形监测位移时间序列,实现位移单变量情况下的准确预测,提出了一种小波和混沌神经网络预测新方法,首先对大坝位移变形监测数据进行小波分解,其次对分解后的平滑信号进行傅里叶函数拟合预测,再对细节信号进行软阈值去噪和混沌神经网络预测,最后将预测信号进行小波重构。通过工程实例对比分析了小波和混沌神经网络预测新方法、神经网络模型、多元回归模型在大坝位移变形预测中的精度。结果表明,小波和混沌神经网络预测方法的预测精度最高,可以应用于大坝变形预测。     

移动最小二乘重采样在三维重建中的应用

针对地面三维激光扫描仪采集的多站点点云数据受配准精度和重叠区域的影响,经多视角对齐后生成带有大量噪声和冗余的散乱点云从而影响曲面重建的问题,提出一种基于移动最小二乘重采样的算法：计算点云的ｋ邻域,建立散乱点云的空间拓扑关系,选择合适的基函数和权函数,建立局部拟合区域的拟合函数,结合体素化网格模型实现点云的重采样,分别使用Ｃｒｕｓｔ算法和逆向工程软件ＧｅｏｍａｇｉｃＳｔｕｄｉ -ｏ对重采样的点云进行曲面重建。结果表明：该算法在保证局部细节特征清晰的基础上,能够提高模型表面的光滑性和三维重建的效率,具有很高的实用价值。