卡尔曼滤波在大型深凹露天矿边坡变形监测预测中的应用

为了剔除GPS边坡位移监测过程中的噪声干扰,提高监测数据的有效性,特引入随机线性卡尔曼滤波离散数学模型.以水厂铁矿GPS边坡监测数据为依据,利用该数学模型可以计算出各监测点每期变形量的滤波值和位移速度,并对各监测点下一期的变形量进行估算和预测.经实例验证,卡尔曼滤波变形量与实际变形量有较好的一致性.     

基于LM-BP和SVR的倾倒变形体变形预测

为了深入了解黄登水电站1号倾倒变形体的变形趋势,采用LM BP神经网络和SVR进行变形预测研究。基于倾倒变形体的实际变形监测资料,对位移、降雨、库水位、温度等资料进行分析,以库水位、降雨量、温度、时间作为输入参数,以位移变形作为输出参数,构建LM BP神经网络模型和SVR模型,对部分监测数据进行（先行学习）训练,对后续的监测数据进行验证预测,预测预报了研究测点的变形情况。分析结果表明,2个模型精度都比较高,LM BP神经网络模型的最大误差为2.53%,SVR模型的最大误差为4.35%,预测方法有效。     

混沌时间序列在边坡位移预测中的应用

根据非线性边坡位移时间序列,运用相空间重构理论,建立了加权一阶局域法边坡位移预测模型、基于Lyapunov指数的边坡位移预测模型、基于神经网络的混沌时间序列边坡位移预测模型,对比分析了三个预测模型的特点。新龙寺滑坡预测研究表明,基于混沌时间序列预测方法具有很好的预测精度和广泛的适应性。     

青连高铁K152+300～K152+470边坡滑坡稳定性预测研究

边坡稳定性是影响高速铁路安全运行的重要因素之一,开展高速铁路边坡滑坡稳定性预测研究对提高高铁运行安全具有一定的工程意义.以青岛-连云港高速铁路K152+300~K152+470边坡滑坡为例,通过设计合理的监测方案开展了边坡地表水平位移和土体深部水平位移监测,总结了滑坡位移规律;基于监测数据采用GM(1,1)模型、神经网络模型和灰色神经网络模型进行了滑坡位移预测,在验证预测效果的基础上基于灰色神经网络模型构建了滑坡位移预测模型,预测了该滑坡未来3年的累计位移并建立了高铁边坡滑坡位移预警方法.研究结果表明:DB2和GY2监测点的地表水平累计位移分别为17.23 cm和21.69 cm,SB2、SB4和GY2监测点的土体深部水平累计位移分别为13.42 cm、16.05 cm和18.37 cm;DB2、SB2、SB4、GY2监测点未来3年的累计位移最大预测值分别为47.05 cm、42.53cm、46.01 cm、52.36 cm(地表)和48.15 cm(深部),该滑坡将继续保持临界稳定状态;根据滑坡累计位移量将高速铁路边坡滑坡位移预警等级分为Ⅰ、Ⅱ和Ⅲ级.     

深凹露天矿GPS边坡变形监测

结合水厂铁矿边坡变形GPS监测,围绕监测点的确定及监测网的优化设计进行了论述.并以6个监测点的9次变形监测数据为依据,结合现场情况及监测经验,创建水平位移趋势玫瑰花图,对监测结果进行简要分析.监测结果与现场状况相吻合,说明GPS完全能达到矿山变形监测的精度和要求.     

基于小波神经网络的某边坡预测研究

边坡的地表位移监测是滑坡安全监控中的重要内容,对监测资料进行及时、合理和有效的分析,获取滑坡变形规律和安全状况是滑坡监测的重要工作之一。文章将基于BP算法的小波神经网络预测模型引入变形监测预报中,对工程实例进行了预测。结果表明小波神经网络预测可以取得良好的效果,且自适应预测能力较强。     

基于FOS-ELM模型的深度学习方法在高边坡变形预测中的应用

高边坡变形受复杂岩土体性质与外部环境因素的影响呈现出高度的复杂性和非线性,难以较好地实现边坡变形预测.基于FOS-ELM模型对某路堑高边坡工程的变形监测数据进行深度学习,通过建立相应的模型开展边坡变形的时间序列预测,从而指导边坡安全预警.变形预测结果表明,基于FOS-ELM模型的深度学习方法预测变形结果与实际监测结果较为接近,预测效果随着超前预测时间的增大而显著降低,总体超前6 h预测效果可以满足工程要求,具有较好的适用性和可靠性,能够为边坡安全评估与预警提供重要指导.     

灰色理论在滑坡变形预测中的研究与应用

根据边坡深部位移监测信息,应用灰色系统的原理和方法,对边坡的变形发展变化进行预测是一种有效手段。但监测数据受施工干扰、人为误差的影响较大,预测结果不精确,因此采用将原始数据非负化处理并累加生成的方法使序列充分光滑,然后用处理后的数据进行预测,再将预测的值进行累减生成还原,得到下一个监测数据的预测值。并分别用双曲线指数模型和三次多项式回归模型对各个孔的位移进行预测,并分析预测结果。研究结果表明,采用该方法预测变形值与边坡实际发展变化一致。     

基于机器学习的锚固岩质边坡变形预测

锚索锚固是一种广泛使用的边坡加固技术,锚固性能的研究是锚固的核心问题之一。利用有限差分程序建立324组物理力学参数不同的锚固边坡,组成包括锚索参数和岩土体性质参数的9维输入指标和以沉降位移和塑性区面积为输出指标的数据集,分析输入输出指标间的关系。随后用随机森林和神经网络方法学习数据并建立层状边坡变形预测模型。分析显示,边坡沉降位移和塑性区面积预测结果变化对锚索性质参数中锚索总长度变化最敏感,锚固力的变化影响最小;其次岩土体物理力学性质中边坡力学指标黏聚力、内摩擦角起主要影响作用,岩土体密度变化影响最小;对预测结果的误差分析表明随机森林变形预测模型预测准确性比BP神经网络变形预测模型高5%~10%;模型预测沉降的偏差率小于预测塑性区面积的偏差率。研究表明随机森林算法在锚固效果预测问题上更加具有适用性,通过建立预测模型可以快速预测锚固边坡沉降位移和塑性区面积,指导锚固方案优化和变形控制设计。     

基于小波分析的GPS动态监测数据变形特征分析方法

为了验证小波分析方法对GPS动态监测数据进行变形特征特征提取的可行性和可靠性,先对小波变换以及多分辨率分析进行了重点且深入的分析,再对小波分解的噪声特性进行了详细分析,最后通过实例验证了基于小波分析方法对GPS动态监测数据进行变形特征特征提取的可行性和可靠性,得出了基于小波分析方法对GPS动态监测数据进行变形特征特征提取的可行性和可靠性,并且其提取结果要优于中值滤波方法。     

空间自回归模型在水库边坡位移预测中的应用

针对传统位移监测很少考虑不同测点之间相互作用的问题,基于经济学领域空间计量学基本理论,研究了空间自回归模型在边坡位移预测中的应用。以某工程高边坡外观位移数据为例,对边坡的位移状况进行预测,并与传统的自回归积分滑动平均模型相比较。结果表明:(a)在空间自相关系数较为显著的条件下,运用空间自回归模型可以较为精确地预测边坡变形状况,且优于传统模型;(b)空间自回归模型相较于传统模型参数更加简洁、考虑的影响因素更全面,可以同时对空间所有测点位移进行估计。     

GPS大坝变形监测网数据处理模型

考虑到GPS大坝变形监测网的特殊性，提出了以站心地平坐标系为参考坐标系的GPS大坝三维变形监测网的数据处理模型；提出了应用模糊数学中的聚类分析方法对拟稳点（或固定基准点）的相对稳定性进行检验的数学模型；提出了平差采用拟稳平差的方法．用VB语言开发了GPS大坝三维变形监测网的数据处理软件系统，并对某大坝GPS变形监测网的三期观测数据进行了平差计算，其结果表明，所提出的数学模型更适合于GPS大坝变形监测网的数据处理．     

山区高速公路高边坡变形监测模型

结合高速公路实际边坡变形监测工作的情况,采用经典灰度模型和分形理论,改进了变维分形模型,对边坡沉降变形进行模拟预测,以得到预测精度更高的预测模型。研究结果表明,在本项目中,改进的变维分形的预测精度最高,灰度模型次之,常维分形预测最差。     

基于运营系统的出租车出行需求短时预测模型

出租车系统作为城市交通运输系统的重要组成部分,其宏观规划和调度管理的合理性决定了出租车服务质量.本文主要研究出租车乘客出行需求估计及预测,为出租车规划和实时调度提供数据支持.首先,分析了出租车定位系统和计费系统,改进了传统出租车需求网格划分方法,考虑了地形、建筑群和道路网络特征,保持了网格自身出行特性的完整性.其次,根据实时收集的出租车数据,建立了易于计算的出行需求估计方法.最后,以实际数据为基础,对影响短时出行量的主要变量进行了相关性分析,提出了基于人工神经网络的短时需求预测模型,根据相关性分析确定了模型结构.以实际获取的出租车数据为例,验证了提出的需求估计和预测模型.结果证明:相比于传统自回归滑动平均模型,提出的人工神经网络模型其平均绝对误差百分比提高了32%.此外,人工神经网络模型的绝对误差百分比超过50%的概率低于10%,而自回归滑动平均模型高达23%.     

GPS变形监测信息高精度快速解算方法研究

根据高精度GPS变形监测的特点，以监测网的首期观测成果为基础，利用监测时段的载波相位为基本观测量，建立了单历元解算监测点变形信息的似单差模型。该模型避免了周跳的探测与修复，可适用于动态和静态2种监测模式，并可适用于同步观测卫星较少(如2颗)的情况．最后利用试验数据对该模型的正确性进行了检验。     

基于时序分析的边坡变形预报与变形行为特征

把数理统计软件Eviews引入岩土工程领域,对东明矿J2边坡监测点高程监测数据分别建立双对数模型、指数模型、线性模型、三阶多项式模型进行回归分析,找出物理量随时间变化的规律,然后通过相关统计学及力学假设,依托现有实测工程数据,建立时序模型并优化之,将经典ARMA模型推广到ARIMA模型,提高了拟合和预测精度;依据所建模型给出位移预报曲线,并探讨了边坡变形行为特征,对揭示边坡系统变形规律,选取最优防护体系具有指导意义,为工程数据分析和数值模拟提供了新思路.     

GPS变形监测网数据分析探讨

GPS变形监测数据分析方法多种多样。对传统的静态数据处理方法进行了研究,探讨了该方法在数据分析过程中所应考虑的各种问题,重点研究了监测网平差模型、变形分析基准统一的数学模型和GPS监测网的变形分析。