人工神经网络在隧道地表变形预测中的应用

借助于神经网络方法处理非线性问题的优势，采用改进后的B－P网络算法，对上海地铁2号线盾构推进中隧道上方的地表变形作了趋势预报，并与其它预测方法作了比较。结果表明：将人工神经网络用于地表变形预测，效果优于其他方法。  

深基坑事故隐患的灰色预测

从灰色系统理论的方法入手，针对已发生的时间序列的一组观测数据，直接建立用于对系统未来隐患进行预测的数学模型并进行预测。  

上海地铁二号线隧道贯通定向技术及精度控制

针对上海地铁二号线东方路站至东昌路站以及及东昌路站至陆家嘴路站区间隧道按设计准确贯通的测量实践，论述了地铁贯通测量中的各项分析及误差控制技术，从而确保盾构按预留洞口精确贯通。  

三维激光扫描多视点云拼接新方法

提出了一种新的多视点云拼接算法．该方法首先根据点云观测数据，以一个二维平面网格以及网格中各网点所对应的z坐标来拟合参考点云；然后采用公共点对法将目标点云概略拼合到参考网格点云；最后，计算目标点云中各点至网格点云中相应网眼的距离，并以所有这些距离的平方和最小为准则，采用最小二乘法迭代解算点云坐标转换参数．实例证明，该方法算法可靠，操作简单，计算效率高，具有很强的实用价值．  

预测地铁施工中地表变形的动态系统方法

提出了基于自回归（AR）模型对时间序列统一建模的新观点和方法，可大大减少计算量，并在微机上编程实现，以实例对动态模型与静态模型分别作了应用比较，结果表明，时间序列分析动态模型是系统分析的重要方法，是统计预测中的高级预测方法，预测精度高，用途广泛，而静态模型适合于内插，不适合于外推预报。  

城市地铁建设中的测量技术

城市的地铁建设中的盾构施工测量和地面施工测量相比,难度大、精度要求高。本文详细介绍了测量在城市地铁建设中的应用及其特点,并结合实际施工精度需求给出了相应的施工测量方法,从而保证整个地铁建设工程顺利竣工。  

变形预测中顾及时变特性的指数加权组合法

针对变形观测时间序列 ,提出直接用以往观测数据的指数加权形式来预测其将来值的方法 .这一方法分析和考虑了变形数据的时变特性 ,从而引入了衰减因子 .在变形监测分析与预测中具有一定的应用价值 .  

太湖明珠钢结构球形建筑的安装测量

结合无锡市太湖明珠球的施工安装、精密定位的实际工程，提出采用三维坐标法放样、精度控制及实施技术以及由全站仪与袖珍计算机组成的实时三维放样测量系统，在数据处理上，将拟稳平差应用到各层控制网的平差中，使各层控制网实现了最佳匹配，工程实践证明该法是科学，可行的，确保了球体安装定位的高质量。  

巨型射电望远镜缩尺模型安装定位及变形测量

根据射电望远镜安装背架、促动器及主动反射面铝板的精度要求，提出了安装定位的测量方案；通过对射电望远镜模拟装置的安装定位及模拟运行的性态检测，说明了其有效性，证明了该方案作业简便，精度较高，成果可靠。  

盾构姿态自动测量系统的开发与应用

通过用户需求调研并综合国内外既有测量系统的优点,开发了一套操作简单、自动化程度高、集盾构自动导向测量和工程动态管理可视化为一体的测量系统.应用结果表明,在地铁隧道中采用该系统进行自动测量是方便、准确和可行的,可在无人值守的情况下完成测量导向,完全能够取代人工测量.同时可提供可视化的地面建筑物与盾构推进相关关系的信息,便于在盾构推进过程中预防发生影响环境的事故.