GPS在天荒坪大坝变形监测中的应用研究

应用GPS定位技术对天荒坪上水库大坝进行了变形监测试验,针对其地形和地势条件的特点,提出了一些减弱误差的有效方法和提高精度的措施,并对其监测精度进行了分析。通过分析得出GPS技术的定位精度能够满足大坝变形监测的要求,验证了GPS定位技术在大坝变形监测中应用的可行性。     

GPS监测大坝变形的模拟试验研究

通过GPS大坝变形模拟试验,研究了GPS大坝变形监测的实际能力,指出只要选用良好的仪器设备和科学合理的观测手段和数据处理措施,GPS完全可用于大坝外观形变监测。     

时间序列在变形监测中的应用

详细介绍了时间序列的基本原理以及时间序列建模中的数据预处理、模型选择、模型定阶、模型参数的确定及模型的可靠性等建模步骤,并给出了时间序列的预报公式.最后用时间序列分析处理了某市的某-边坡沉降观测数据.通过对结果的分析,得出时间序列分析用于简单的时序预测具有较好的效果,9期预测误差的绝对值均小于0.18 mm.其建模过程...     

时间水位因子模型在大坝变形分析中的应用

详细讨论了顾及时间和水位因子的大坝变形预测模型的建立方法，实例计算表明这种建模方法效果较好。     

股市时间序列的多重分形消除趋势分析

为了探索股票时间序列的无标度性,应用多重分形消除趋势分析的方法(MF-DFA)来研究沃尔玛指数(WMT)日收盘价.研究结果表明,沃尔玛指数日收盘价的变化具有多重分形的特性,广义Hurst指数显著依赖于波动函数的阶数,并随之变化;尺度函数表现出明显的非线性性质;多重分形谱呈现单峰钟形图像.     

金融时间序列的多重分形类型的确定

为了探索股票时间序列的无标度性,利用多重分形消除趋势涨落分析的方法(MF-DFA)来研究沃尔玛股票指数(WMT)日收盘价.结果表明沃尔玛股票指数日收盘价的变化具有多重分形的特性.然后,随机打乱时间序列的次序,用MF-DFA方法分析打乱序列的多重分形性质,得出沃尔玛股票指数的多重分形主要是由概率密度函数产生的,分布多重分形占主导地位.比较原始序列和打乱序列的多重分形性质,得出打乱序列的多重分形性弱于原始序列的多重分形性.     

空间距离交会在大坝水平变形监测中的可行性分析

基于空间距离三维交会的数学模型,提出针对太河水库大坝水平位移变形监测工作基点进行无角度观测方案,并对监测的精度进行了预计分析,证明此方案不仅经济快捷且合理可行,同时也证明空间距离交会定位取代传统量边、测角定位的可行性。     

大坝变形监测系统软件设计

本文针对大坝变形监测的需求,设计了大坝变形监测系统软件。系统基于Windows平台,使用Microsoft Visual Basic 6.0编程开发,可为监测人员提供数据采集、数据整编、数据查询、图表显示、报表制作等功能,实现大坝安全管理的高质量、高效率。软件开发用到了动态链接库和数据库存储过程等技术,提高了编程效率及运行速度,且方便软件的更新升级。     

大坝变形监测的BP网络模型与预报研究

建立有效实用的大坝安全监测模型,对于馆控大坝运行意义重大。针对目前国内外常用统计模型、确定性模型等的不足,提出将基于误差逆传播算法的BP神经网络模型用于大坝变形监测数据的拟合分析及其预测预报研究,最后以福建水口混凝土重力坝变形监测为例,对坝顶垂直位移实测值建立了BP网络模型,并将模型用于坝顶垂直位移预报,结果表明,BP网络模型的拟合和预报精度明显优于相应的统计模型。     

卡尔曼滤波在大坝动态变形监测数据处理中的应用

详细地讨论了离散线性系统的卡尔曼滤波模型的建立及相应的精度评定公式，通过对某大坝动态变形监测数据的卡尔曼滤波处理和结果分析，发现卡尔曼滤波值、预报值与原始观测值数据曲线的变化趋势非常接近，说明所建立的卡尔曼滤波模型是合理的、可靠的，可以较好地模拟动态目标系统的变化规律。同时，卡尔曼滤波模型能够实时、快速地处理大量动态变形数据，并能有效地改善动态变形监测数据的精度。     

大坝安全监测的多测点位移向量模型

综合多个测点的位移向量观测信息建立多测点位移向量统计模型,在探讨该模型的因变量构成、数据信息来源及自变量的获得方式后,确定了该类模型的完整构造及简化形式,采用了多因变量逐步回归方法建立模型,这种模型既能反映位移大小、方向随水压、温度和时间变化的规律,又能描绘位移向量在区域内的分布情况,适用范围很广,为全面分析大坝位移整体状态提供了新的工具。     

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．     

堆石坝变形监测的灰色非线性时序组合模型

结合堆石坝变形的特点,应用逐步回归方法提取大坝变形观测数据系列的水压和温度分量后,用灰色非线性系统模型模拟剩余数据系列的趋势项,用时间序列模型模拟剩余数据系列的随机项,由此建立了堆石坝变形监测的灰色非线性时序组合模型。计算分析表明新模型提高了拟合精度,使堆石坝变形监测的数学模型更趋于合理。     

用结构分析法拟定混凝土坝变形三级监控指标

将力学模型引入大坝安全监测领域,结合变形监测资料,提出利用三维粘弹塑性大变形理论拟定混凝土坝三级监控指标的原理和方法,并拟定了龙羊峡大坝变形三级监控指标,取得了安全监控大坝的实效。     

GM-ARIMA模型在大坝安全监测中的应用

针对大坝安全监测的小样本数据既有一定趋势性又有一定波动性的特点,把灰色模型和时间序列模型结合起来运用在大坝安全监测中.首先利用灰色模型进行拟合和预测,然后对灰色残差序列建立ARIMA模型,对残差进行预测,最后将两者结合起来即可得到预测值.本文以小湾拱坝坝顶某测点的径向位移为例,建立GM-ARIMA进行拟合和预测,并与实测值比较.计算结果表明,与GM模型相比,GM-ARIMA模型的精度高,预测值更接近于实测值.     

混凝土坝空间位移场监测模型的探讨及应用

该文从场论出发，应用幂级数的处理方法，并结合坝工理论和工程力学知识，全面论述了建立混凝土坝空间位移场的动态监测模型的基本原理和计算公式，并将其应用于建立丹江口左岸转弯坝段34^#、36^#坝段正垂线的分布模型，通过对模型成果较为深入地比较和研究，得出此模型是一种很好的变形监测模型的结论，在全面监测大坝工作情况时，其发挥的作用是单个测点变形模型不可比拟的，尤其是和单个测点的监测模型联合，从点、线、面全面监视大坝工作情况，更能充分发挥各自优越性。     

PSO-GM模型在拱坝变形预报中的应用

用PSO-GM模型来预测了拱坝变形情况.该模型通过粒子群算法优化灰色模型中背景值的权重系数r和指数灰元N,既保留了灰色模型要求样本数据少、短期预测精度高、可检验等优点,又弱化了线性GM(1,1)模型对累加生成的数据序列须成一定指数规律变化的要求,从而更具普遍性.通过工程实例计算验证可知,PSO-GM模型无论拟合精度还是预测精度都较一般线性灰色GM(1,1)模型好,可以为坝体位移监测提供参考.