变形监测拟合预测模型的分析及优化

《变形监测拟合预测模型的分析及优化》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、1选题背景及研究意义应变、应力、温度、渗压、土压力、孔隙压力等项目监测，内部监测的测量手段采用的是非常规测量设备，所以容易实现自动的、连续的、长距离的监测。观测数据的精度也[6]很高。其局限性则是只能反映局部的形变状态。虽然变形监测的数据采集可采用不同的手段，但在进行变形监测数据处理，特别是进行变形的物理解释和预测预报时，必须[1]将外、内部观测数据结合起来分析。1.2变形监测数据处理位移和变形的计算中，大致包括观测数据筛选、权的估计、总体位移检验、单点位移检验和参考点稳定性检验、变形模型建立和检验、位移和变形计算、变形力学

2、解释、分析及预测等。1.2.1观测数据的处理在变形分析中，对观测值平差处理的质量非常重要，观测值的质量好坏直接关系到变形值的精度和可靠性。在这方面，主要涉及到观测值质量、平差基准、粗差处理、变[2]形的可区分性等几项内容。测量学科领域，最成熟的数据处理方法是经典平差。在60年代，奥地利大地测量学者Meissl在这个基础上提出了自由网平差的概念——“内制约”平差方法。在此基础上，各国学者都有进一步的发展。我国学者陶本藻，瑞士测量工程师Kelle对此方法都做出了很大的贡献。并形成了广义的赫尔默特变换。美国学者WPrescott[

3、1981」针对地质断层引起的地壳相对运动提出了“外坐标”平差法。周江文「1980」用拟稳点定义变形监测网的参考系，提出了“拟稳平差”。随后，德国测量学者H.Pelzer「1971」又运用统计假设检验理论来检验监测网中的参考点是否稳定。还有其它许多学者也提出了不同的方法。在粗差检定方面，在荷兰教授wBaarda[1968]提出资料探测法后，粗差探测与变形的可区分性的研究成果已极为丰富，这已体现在李德仁[1988]、黄幼才[1991]、[7][8]陶本藻[1992]、周江文、黄幼才、杨元喜、欧吉坤[1995]等的著作中。1.2.

4、2变形模型介绍及分析变形监测是一项重复的、长期进行的工作。因此其获取的监测数据也很庞大。里面的包含的信息也很丰富。如何处理这些获取的数据，能否准确的提取其中的信息决定了监测的质量。好的数据处理方法不仅能处理大量的数据，也能有效获取有用的变形信息，提升变形监测的效率。获取实时的观测数据后，通过数据处理方法提取监测对象的变形信息，分析监测对象的形变规律和变化趋势。因此好的处理数据处理方法应具有实时性、可靠性、可预见性基本属性。任何变形监测工作均包括两个同时运作的过程:(1)对于给定监测对象如何3西安科技大学硕士学位论文确定对它的

5、必要监测精度指标;(2)如何依据所测量的数据对监测对象的安全状况进行[9]诊断与预警。目前，变形监测数据处理和分析的方法很多，也都比较成熟。一些主要方法有：回[10]归分析方法、时间序列法、灰色系统理论、人工神经网络、小波分析、卡尔曼滤波等。回归分析方法是一种传统的数据分析方法，是一种建立监测对象变形量与不同相关因子之间数学关系的常用方法，也是最成熟的方法之一。可以建立和单因子的相关关系，也可以同时建立和多因子之间的相关关系。相关关系式可以是线性的，也可以是非线性的。回归分析相关关系多项式的确定一般是根据残差平方和最小准则。

6、回归分析反映了变形量与原因量之间不明确或原因量比较复杂无法定量分析时的相关关系。对于具有固定相关关系的而参数不确定的夜可以用回归分析进行参数求解。一般的需要大量的观测[11][12]数据，通过多项式拟合，利用线性假设检验判断高次方数目。建立的变形数学模型能直观反映出变形体的变形量与影响因素之间的相关关系，是应用比较广泛的变形成因[13]分析方法。另一种数据处理方法认为变形体的不同状态是具有相关关系的。因此许多学者通过对观测数据的时间序列进行动态模型研究，建立了时间序列的数据处理分析模型。时间[5]序列是系统辨识与系统分析的重

7、要方法之一，是一种动态的数据处理方法。时序分析法作为一种动态分析方法，反映了变形体自身在时间上的自相关关系以及变形的继续性，是以监测对象形变可连续的现实依据来建立的数学模型，它能客观的反映检测对象[14]的形变特征，也有利于作出变形的物理解释。回归分析和时间序列是在观测对象的变形和某些因素具有具体的相关关系前提下监理模型的。然而也有认为变形数据是没有规律性的。将数据作预处理后让数据呈现有规律。这就是灰色系统理论。他是由邓聚龙教授提出来的。利用灰色系统理论适合于在观测数据样本不是很大的情况下，通过数据重生成后发现其规律性，建立

8、变形量之间以[15][16]及变形量与影响因素之间的拟合预测模型，从而反映出变形体的变形规律。近些年来，对人工神经网络的研究应用是一个比较热门的方向。发展也很迅速。在变形监测领域的分析预报方面应用很广泛。在变形比较复杂的情况下，可以利用人工神经网络理论发掘监测对象的形变值以及各相关因素之间