共查询到19条相似文献，搜索用时 148 毫秒
1.
2.
混沌理论特征识别是进行混沌时间序列分析和预测的前提。普通的线性数学算法已经无解决基坑变形所遇到的问题,为了研究基坑变形监测数据的非线性复杂问题,采用混沌非线性理论方法,首先求取基坑变形时间序列的延迟时间和嵌入维数,其次对基坑监测数据进行相空间重构,最后对比分析加权一阶局域预测模型以及RBF神经网络混沌预测模型的预测结果,实验表明RBF神经网络混沌预测模型预测精度最高,同时也说明了混沌预测模型更适合短期预测。最终证明了RBF神经网络混沌预测模型应用在基坑变形监测中的可行性与有效性。 相似文献
3.
近年来,非线性时间序列的混沌预测理论被运用到诸多领域,多用于进行预测、算法、统筹规划。本文将混沌预测理论运用到矿区沉降变形预测的工作中,基于矿区地表沉降观测值,组成沉降量变化的时间序列,用以预测以后的沉降值。研究了对沉降观测数据的去噪、定性、后期沉降预测工作,丰富了混沌预测模型的实际应用,提出了数据处理及混沌预测理论改进方法的实现过程。 相似文献
4.
通过对主井及其附近两个稳定点进行了变形监测,利用混沌理论对两个时间序列进行了混沌特征的分析,发现两个时间序列的关联维数分别为1.3282和1.4587,嵌入维数都为3,最大Lyapunov指数分别为λ=0.0833和λ=0.0745。说明这两个监测点的时间序列具有混沌的特征,存在混沌现象。采用混沌一阶局域法进行预测时,采用不同时间间隔得到预测结果有较大差异。其中,采用最小时间间隔得到预测结果最差,而采用平均时间间隔得到的预报精度等级和预报准确率均为最优。 相似文献
5.
混沌理论支持下的桥梁变形监测研究 总被引：1，自引：0，他引：1
针对桥墩的非线性下沉问题，引入了混沌理论。采用改进的C-C算法计算时间序列的时间延迟τ，采用改进的G-P算法计算最佳嵌入维数m，进行相空间重构，并与传统算法对比抗干扰性，计算效率等得到了改善，运用Lvyapunov指数判别该时间序列的混沌特性；最后根据所求参数建立加权一阶局域预计模型和RBF神经网络混沌预计模型，分别对观测数据进行预计分析，将混沌时间预测结果与指数平滑法预测结果进行对比分析。得出混沌时间预测精度高于指数平滑法预测精度，RBF神经网络混沌预计模型的预计精度最高，证明混沌时间序列预计精度可靠，能够实时对桥身变形进行监测，避免灾害的发生。 相似文献
6.
彭磊 《测绘与空间地理信息》2024,(3):206-208
针对变形监测数据混沌序列的特点,提出一种基于Volterra级数的混沌时间序列变形预测模型。经过相空间重构,确定合适的嵌入维数和延迟时间,输入Volterra级数自适应预测模型,然后得到变形量的预测值。将预测值与实际值及其他预测模型的预测结果进行比较,发现基于Volterra级数的混沌时间序列预测模型精度较高,在变形预测上是可行的。 相似文献
7.
运用混沌理论研究基坑变形破坏的演变机理,对基坑变形观测数据序列进行相空间重构,将若干固定时间延迟点上的测量作为新维处理,形成相点,按照关联维数方法求算吸引子维数,提取和恢复基坑系统原有的规律。实例分析表明,混沌理论为基坑预测研究提供了新的途径。 相似文献
8.
变形模型的分析研究以及变形预测是变形监测的重要内容,常用的方法有回归分析法、时间序列法、灰色理论方法、人工神经网络法以及变形的组合分析方法等,本文就人工神经网络方法从实际应用的角度出发,对工程实例进行了计算分析,得到了相应的变形分析模型并进行了变形的预测,试验结果说明:人工神经网络方法应用于实际工程的监测预测具有一定的实际意义。 相似文献
9.
为了科学、准确、及时地对地铁隧道结构进行监测分析,该文将重标极差分析法引入到地铁的变形监测中,并以南京地铁为例,对长时期垂直位移时序进行了R/S分析,研究地铁沉降监测点的变化趋势,并将R/S分析的预测结果与实际监测数据进行了对比,预测结果与实测数据具有一致性。结果表明:描述和刻画复杂非线性时序的R/S分析方法,能有效地对地铁变形时间序列数据进行预测分析。地铁变形时间序列数据的Hurst指数,不仅在时间上反映不同变形的趋势性及其强度,而且在空间上反映地铁不同部位的变形趋势特征。R/S分析方法适合变形监测项目的预报分析,在变形监测中具有一定的应用前景。 相似文献
10.
根据瀑布沟水电站移民场地GPS边坡自动化变形监测系统获得的高边坡变形量时间序列的非线性性质,基于相空间重构理论和最邻近点法预测及其加权预测模式,提出了基于加权模式的多相型综合预测方法;并将该方法应用于瀑布沟水电站移民安置场地GPS监测点边坡变形预测中。从而将移民新城的变形监测与变形量的预测分析相结合,对瀑布沟水电站移民新城的稳定性进行实时监测与预测。实例研究表明:监测系统提供的移民场地变形监测的精度可达到毫米级;多相型综合预测方法具有较高的预测精度和可靠性。从而为边坡的变形预测提供了一种实用有效的方法。 相似文献
11.
针对桥梁的非线性下沉问题,引用了混沌理论,首先求取时间序列的两重构参数时间延迟τ和嵌入维数m进行相空间重构;随后进行混沌特性判别,确定该时间序列存在混沌迹象;最后根据所求参数建立加权零阶局域预计模型和RBF神经网络混沌预计模型对观测数据进行预计分析,并与系数为0.9的指数平滑预测模型进行比较,结果显示混沌预计模型值更接... 相似文献
12.
GPS变形监测系统中消除噪声的一种有效方法 总被引：21，自引：1，他引：21
GPS变形监测系统的观测资料可看成为与时间有关的数据序列，应用小波分析理论，研究了时间序列观测数据的误差消除问题。结果表明，借助于小波分解与重构，可有效地从强噪声干扰的观测数据序列中提取变形特征。该方法解决了传统处理技术对非平稳、非等时间间隔观测数据序列滤波的局限性问题。 相似文献
13.
时间序列InSAR技术目前已广泛应用于地表形变监测,尤其是稳定点目标较多地区的城市地面沉降监测。然而,实际应用中受大气相关距离限制以及模型相干系数阈值影响,连接点目标的Delaunay三角网常常不能完整地连接所有点目标,出现若干个不连通的子网。这种现象导致无法获取部分点目标的形变信息,特别是在非城镇地区影响尤为明显。为了提取大区域地表形变信息,本文提出了一种多层级、不同步长的子网最近邻点目标快速连接方法。其显著特点是通过逐层联网的方式,可快速减少子网数目。与现有复杂网络连接方法相比,该方法在保证结果精度的前提下,数据处理耗时仅为前者的32.56%。 相似文献
14.
采用GPS监测运营期大跨度桥梁时,受到交通载荷和观测噪声的影响,GPS监测序列中的振动信号(mm级)完全被湮没,如何从监测序列中提取桥梁变形信息及其振动特性是桥梁健康检测的重要内容。文中利用EMD方法对GPS监测序列进行处理,得到一定数量的本征模态函数(IMF),选取特定的IMF做信号重构和功率谱分析,得到桥梁变形信息和振动特性,相较于传统FFT方法,能准确识别结构振动频率,同时提取变形特征。 相似文献
15.
InSAR(Interferometric Synthetic Aperture Radar,InSAR)技术是随着合成孔径雷达发展起来的一种雷达干涉测量新技术,它可获得地表目标点的精确三维空间位置以及细微形变信息。基于雷达干涉测量发展的短基线(Small BAseline Subset,SBAS)干涉测量,可对缓慢地表形变进行高精度的监测。本文以广东省普宁市为实验区,选用2007~2010年间共10景ALOS/PALSAR数据,采用SBAS技术获取了该地区的形变时间序列和平均沉降速率,结果表明普宁市区存在多个严重的沉降漏斗,年最大沉降速率达15cm/a。利用观测时段内两期的水准点观测资料对SBAS时序结果进行验证,对比结果发现两者较差最大为46mm,最小为21mm,表明SBAS技术进行地面沉降监测的可靠性和有效性。 相似文献
16.
17.
卫星时序差分雷达干涉已在区域地表形变监测中展现出极好的应用潜力,但因受卫星寿命及重访周期等因素的限制,单一卫星平台很难为长时间跨度(如5~10年)的时序形变计算与分析提供数据源。为扩展区域地表形变监测的时间跨度,本文提出了基于模型约束的短基线集(MC-SBAS)时序干涉方法,即使用非线性形变模型约束SBAS分析与处理,达到不同卫星平台数据融合和形变监测效率提高的目的。研究选取美国南加州地区为试验区域,使用2002—2005年获取的10幅ERS SAR影像和2004—2008年获取的20幅EnviSat ASAR影像,基于MC-SBAS提取该区域时序形变信息,时间跨度扩展为6.5年;以6个GPS站时序观测数据为参考,对MC-SBAS结果和常规SBAS结果进行了对比验证。分析表明,MC-SBAS、SBAS与GPS形变结果的均方根误差分别为8.7和11.7mm,MC-SBAS形变序列的连续性得到有效改善,而且形变监测精度得到提高。 相似文献
18.
滑坡是仅次于地震的发生最频繁、造成损失最严重的地质灾害之一，给人民群众生命和财产安全带来了巨大威胁。为了能够对危险滑坡进行动态监测，采用GPRI-Ⅱ地基雷达系统，研究了滑坡形变时序分析关键技术，制定了地基雷达数据时序处理流程，并应用于浙江绍兴某道路边坡稳定性监测。实验结果表明，该边坡存在1处明显的形变区域，位于施工现场堆积区，最大形变量达到3.5 mm/d。目前在观测条件满足的情况下，地基雷达可以达到亚毫米级的形变监测能力，已经成为灾害预警和治理的重要手段之一。 相似文献
19.
贵州省因其复杂的地形地貌和强降水等气候特征,滑坡灾害频繁发生。亟需一种可靠的滑坡早期识别和监测方法。传统的滑坡识别和监测方法存在局限性,而InSAR技术在大规模地质灾害监测中具有独特的优势。但是,基于单一地表形变值的滑坡识别结果存在一定的不确定性。因此,本文联合InSAR技术和光学遥感,利用Sentinel-1A雷达卫星影像数据对贵州省六盘水市、铜仁市、贵阳市等地区进行大规模地表形变监测和危险形变区识别;并采用基于NDVI时间序列分析和基于滑坡发育要素的滑坡识别方法对研究区潜在滑坡灾害进行调查。利用InSAR技术对研究区域内重点滑坡（鸡场镇）进行监测,及时掌握滑坡的运动状态。本文方法对贵州省的灾害防治和管理具有重要意义。 相似文献