卫星定位高程拟合模型优选

卫星定位高程拟合模型常用的有曲面拟合模型、多面函数拟合模型及神经网络模型等。这些拟合模型均有其优势和局限性。针对如何选取小区域的最优高程拟合模型问题,提出了运用二次曲面模型、三次曲面模型、多面函数模型及BP神经网络模型分别对GPS高程进行拟合的方法进行验证。该实验以山东省某矿区的实测数据为例,对比分析各个模型的优缺点,并运用AIC准则对模型进行综合评定。实验结果表明,对于小区域小数据量的卫星定位高程拟合,多面函数拟合模型为最优模型。     

������������С��ȥ�������Ԥ��

?纣??????????硢????????????????????????????α???????????????????????????????????????db10С???????????????????????????????е???????????????С???????????????????????????????????????Lyapunov??????????????????ж???????????????????????????????????????з??????????????????????????     

桥梁变形监测数据小波去噪与Kalman滤波研究

针对跨海大桥三维变形监测问题,实施了测量机器人与三维激光扫描仪测量方案,二者三维监测数据最大较差不超过0.5 mm,而且测量机器人监测数据精度高,说明三维激光扫描技术应用于桥梁变形监测是可行的。根据小波分析与Kalman滤波理论,建立小波去噪后的桥梁变形监测Kalman滤波模型。实验表明,经过小波去噪的监测数据再进行Kalman滤波处理,提高了桥梁变形预测与变形分析的可靠性。通过标准Kalman滤波、自适应Kalman滤波桥梁变形观测数据处理,及平方和误差、均方误差、平均相对误差精度分析知,自适应Kalman滤波要优于标准Kalman滤波方法。     

地铁隧道地表变形小波去噪及灰色-时序组合预测模型研究

以青岛地铁3号线地表变形横向观测线实测数据为例,开展小波去噪及时序组合预测模型的研究。首先,采用小波理论对观测值进行粗差剔除与去噪处理,根据均方误差最低、信噪比最高的原则,证实dmey小波1层分解、rigrsure软阈值小波去噪方法是最优的。其次,给出地铁隧道地表变形灰色-时序组合预测模型表达式,选用等维新息GM(1,1)模型和残差时间序列模型进行地表变形叠合预测。最后,通过小波去噪后时间序列预测模型、小波去噪前灰色-时序组合预测模型、小波去噪后灰色-时序组合预测模型进行计算分析,结果表明小波去噪后灰色-时序组合模型预测精度最高,并分析了各模型预测精度差别的成因。