一种基于SRTM高程数据的可视化选取投影面的新方法

在独立坐标系的建立过程中,投影面的选取是一个非常重要的问题。传统的投影面选取方法是选取各个控制点的平均高程面作为投影面,这种做法虽然简单,但是在某些高海拔地区或山区往往由于控制点少且分布不均匀,无法较为准确地计算投影变形来选取投影面。提出了一种基于航天飞机雷达地形测绘任务全球地形起伏数据的可视化选取投影面的方法,可以直观、准确地选取测区投影高程面。与传统方法相比,该方法能够在测区内均匀地选取格网点,克服了传统方法控制点少的缺点,并且利用GMT(generic mapping tools)软件将投影变形按区域直观地呈现出来,实现了投影面选取的可视化。     

GNSS自动化监测系统的大坝变形预测方法研究

以GNSS自动化监测系统的大坝变形预测方法为主要研究目的,针对大坝GNSS自动化监测数据大样本、高采样率、连续等特点,提出了一种结合小波分析与BP、NAR神经网络预测大坝变形的新方法。利用多尺度小波分析对GNSS大坝变形数据序列进行分解与重构,对重构后的低频近似序列采用BP神经网络进行建模预测,对重构后的高频细节序列采取NAR动态神经网络进行建模预测,最后叠加各尺度下预测结果获得大坝变形预测值。应用结果表明,该方法预测精度高、泛化性能好,可广泛应用于采用GNSS自动化监测系统的大坝变形预测。     

基于EMD和RBF神经网络的大坝形变预测

利用长期观测数据结合预测模型对大坝的形变趋势进行估计评价是大坝结构安全监测的必要内容。本文综合利用EMD和RBF神经网络，研究大坝变形时间序列中非线性周期信号变化的内在规律，使用西龙池L022号站4000期数据作为训练样本，对后续80期数据进行预测，并通过对预测结果与实测变形差值的统计分析评价本文方法的预测水平。结果表明，N、E、U 3个方向的RMSE分别为0.878 6、0.360 4和2.235 mm。与BP进行对比，RBF预测效果更好，受数据精度影响较小，MAE、RMSE较BP分别最高可提高63%、57%，且本文方法计算效率高，泛化能力强。