变形监测网的优化设计

介绍了变形监测网的优化设计的目的．该设计选择了增加观测值、改变观测值的权和增加控制点3种方案对控制网进行优化，通过对三种方案对比分析，研究编写了成果，从而系统地完成了变形监测网优化的过程。     

三峡坝区变形监测网多目标优化研究

根据变形监测网的特点,着重讨论了同时顾及精度、可靠性、灵敏度和经济性多目标的监测网的敏感度分析优化设计方法,与了该优化设计方法程序,采用人机对活的方式进行优化设计,通过三峡坝区变形监测网实例计算分析,说明该方法的有效性和可行性。     

变形监测网的非线性三类设计

研究、讨论了现代变形监测网如何充分利用已有网的观测资料,补建和改建已有监测网的非线性动态优化设计问题,提出了优化设计的数学模型及相应的解算方法。     

自由变形监测网的非线性零级优化设计

研究了变形监测网的非线性零级设计问题，并提出了一种新的算法，有重要的理论和实际意义。     

三峡库区白家包滑坡变形机理与预警模型研究

三峡库区自2003年蓄水以来,库区有大量滑坡监测累积位移曲线呈阶跃型,此类滑坡在外界影响因素下集中在某一时间段内变形量大,其机理复杂、稳定性判断和预警难度大.通过研究滑坡的变形特征及诱发因素,有助于评估滑坡的稳定性,并构建合适的预警模型.本文以白家包滑坡为研究对象,综合分析15年人工和4年自动GNSS地表位移监测数据,结合野外宏观巡查及勘查资料,研究了白家包滑坡的变形机理;基于改进切线角以及全自动监测数据定量化分析,获取滑坡等速变形速率和变形阶跃点,建立相应的预警模型.结果表明：白家包滑坡整体变形明显,滑坡变形主要集中于每年5—6月,滑坡累积曲线呈现典型的“阶跃”型的动态变形特性,受库水位升降作用影响表现出明显的“推拉效应”;库水位下降是白家包滑坡变形关键影响因素,且与库水位下降速率密切相关,在库水位快速下降期和低水位期,特大暴雨和持续降雨会促进变形;通过改进切线角方法及数据精细化分析,白家包滑坡的位移速率阈值为8.7 mm/d,库水阈值为库水位下降至149 m位移阶跃启动,最小下降速率为0.4 m/d.     

关于地质滑坡变形监测方法的理论探究

现代建筑工程施工必须面对的现实是更为复杂多变的地质环境,由于很多地质环境的恶化,如地震、滑坡等各类地质灾害发生的可能性越来越大,这无疑会给施工增加更大的难度.严重的地质灾害问题造成巨大的经济损失,对于现场施工作业人员的生命财产安全也带来了极大的威胁.该文针对地质滑坡变形的问题展开讨论,并就地质滑坡变形监测的理论方法进一步深入透析.     

三峡库区沙溪镇堆积体滑坡变形特征

三峡库区存在大量堆积体滑坡,研究这些滑坡对库区地质灾害防治意义重大．本文在野外地质调查的基础上,利用大量滑坡监测数据,指出了反向堆积体滑坡与顺向堆积体滑坡具有不同的地质演化阶段,后期变形差别明显：顺层堆积体滑坡变形呈台阶状,前期与降雨和地下水埋深变化相关,后期主要与地下水埋深变化相关,变形特征明显滞后于降雨量的变化;反向堆积体滑坡变形专不具有台阶状的连续变形,主要与降雨量变化相关,与地下水位变化相关性很小,为降雨敏感性滑坡．     

三峡库区二道河滑坡变形机制研究

受三峡水库蓄水影响,二道河滑坡出现了变形加剧现象。通过监测数据分析和蓄水过程中滑坡渗流及稳定性数值模拟,分析了滑坡的变形演化过程及变形机制。结果表明:二道河滑坡从开始变形到三峡水库不同阶段蓄水的过程中,经历了由推移式转化为牵引式、由悬浮减重型转化为动水压力滞后型的过程,滑坡变形的地质力学模式为蠕滑—拉裂型。对滑坡变形机制转化的分析可供类似滑坡的分析研究参考。     

滑坡变形监测预警技术研究进展

中国滑坡灾害数量多、分布广、危害大,每年约有80%的地质灾害发生在已查明的隐患点范围之外。监测预警是主动防范地质灾害的重要手段。变形是滑坡最为关键的监测参数。该文旨在梳理总结滑坡变形监测技术和预警方法,评述现有研究进展,分析未来发展趋势,为滑坡灾害防控领域的科学研究和工程实践提供借鉴。地表变形监测技术多易受到外界因素干扰,及时性和可靠性难以得到保障。深部变形监测技术直接获取滑面发展破坏信息,能够发现灾变前兆,但现有设备存在成本高、量程小或操作难等问题。滑坡监测为早期预警提供依据,而早期预警能够减少甚至避免人员伤亡和财产损失,区域性气象预警和单体滑坡预警两类预警方法正在逐渐发展完善中。单体滑坡预警常见方法是分析滑坡变形趋势和突变特征,通过速度、加速度等判据的阈值触发不同级别预警。滑坡智能预警模型将机器学习与地质工程交叉融合,有望提升灾害早期预警的准确性和自动化水平。滑坡高质量监测应综合运用多种技术以克服单一技术的局限,而预警模型则越来越关注变形趋势的智能分析。滑坡动力学机制复杂、个性特征明显,广泛适用的预警模型有待进一步探索。     

基于SBAS-INSAR技术的滑坡变形监测

针对传统滑坡监测方法效率低的问题,以祁连县牛心山2018年1月07日-2019年9月23日Sentinel-1数据为数据源,利用SBAS-INSAR技术进行数据处理,形成滑坡的累积形变量图、形变时间序列折线图,建立监测成果数据库.研究结果表明,SBAS-INSAR技术可以应用于滑坡的变形监测,且非常高效.     

基于横向监督的联合激励合约

标准委托代理理论给出的独立激励合约只能实现二级最优努力,针对这一问题,分析了横向监督下即当独立代理人之间能够相互监督时的最优激励合约,指出同时基于个人产出和他人产出的联合激励合约能够在横向监督下实现一级最优努力．结果表明,横向监督使代理人之间能够签订隐性边合约,而第一阶段采用严格团体激励相容合约,第二阶段采用个体激励相容合约的动态联合激励合约机制,使得隐性边合约规定的报复机制既是可行的也是可信的,因此能够实现最优激励．     

区域形变监测中的位移估计的方法

应用GPS技术测定区域形变已经成为一种主要手段 ,为了真实地测定形变 ,必须解决合理判别基准点的稳定性和参考框架的稳定性 ,以及消除位移计算中的系统差等关键问题 .为此提出用带稳健估计的空间直角坐标转换方法来确定基准点的稳定性和参考框架的稳定性 ;以两期GPS基线向量差为直接观测值 ,并顾及两期GPS监测网的坐标系统差 ,采用附加条件的间接平差法 ,直接计算GPS形变监测点的位移 .这一方法不失为对现有方法的一种补充     

分布式网络监视器模型

在传统的Sniffer基础上，提出分布式网络监视器的模型，解决了目前三层交换模式下局域网网络实时监控的问题。     

基于无线传感器网络的分布式山体滑坡预警监测

设计了一种采用无线传感器网络作为主要技术手段的山体滑坡预警监测系统.研究核心是滑坡体应力数据的统计模型以及相应的分布式监测算法.应力数据通过高斯变量平均过程(VMGP)来建模.在滑坡预报中,漏报率是衡量监测系统性能好坏的标准.把分布式监测算法和传统的中心监测算法作了对比分析,实验从滑坡漏报率分析得到前者的性能优于后者,从而验证了分布式监测算法的可行性.     

考虑桩身剪切变形的管桩水平动力阻抗

基于Timoshenko梁模型,考虑管桩桩身剪切变形的情况,建立了单个管桩的水平振动方程.为了考虑管桩与土体的动力相互作用,将桩周土和桩芯土对管桩的作用等效为Winkler弹簧-阻尼器,利用数学物理手段,并考虑管桩与土体的连续性条件,得到了弹性系数和阻尼系数.考虑管桩桩端边界条件和水平动力阻抗的定义,得到了考虑桩身剪切变形的管桩的水平动力阻抗.通过对比分析和数值讨论可知,采用Timoshenko梁模型得到的管桩水平动力阻抗的绝对值比Euler梁模型小;相对实心桩管桩更应考虑桩身的剪切变形.     

网络安全监测

“网络安全监测”通过实时分析网上数据流来监测非法入侵活动，并根据监测结果实时报警、响应，达到主动发现入侵活动、确保网络安全目的。系统由嗅探器、监测中心、远程管理服务器等构成，采用基于模式、基于统计2种方法发现入侵。方案技术的关键是入侵识别，解决的主要难点是数据流实时性与查询速度矛盾、入侵模式动态添加等问题，具有漏洞自检、智能分析、双向监测等功能。它是传统网络安全产品的强有力助手、是对付越演越烈的网络入侵的重要工具。     

基于网络监视器的网络实验设计

本文介绍了网络监视器的基本功能,提供了用网络监视器设计网络实验的基本方法及已开设的网络实验项目,并通过一个具体实例分析实验结果.     

大坝变形预报的神经网络极限学习方法

针对大坝变形具有强非线性的特点以及在采用传统BP神经网络模型进行预报时存在学习速度慢、易陷入局部极小等问题,提出将极限学习机(ELM)方法用于大坝变形预报。该方法不仅可以简化网络参数选择过程,而且可以明显提高网络的训练速度,并具有良好的泛化性能。工程实例结果分析表明了ELM方法应用于大坝变形预报具有可行性和有效性。     

层次结构网络监控系统设计及实现方法

介绍了一种通过简单网络管理协议SNMP、信息控制报文协议ICMP和IBM公司MQSeries中间件，设计的一种层次结构的网络监控系统。该系统实现了对网络线路、网络设备及各类应用服务器的实时监控。     

灰色马尔科夫Verhulst动态模型在滑坡形变预测中的应用

为解决陈旧信息和波动性数据造成的传统灰色Verhulst模型预测精度较低的问题,提出一种利用滑动窗口和马尔科夫模型对原始灰色Verhulst模型改进的方法。通过长度可变的滑动窗口来实现数据的动态更新,使得灰色Verhulst动态模型的预测值更加接近最新的变化趋势。之后利用马尔科夫模型对得到的灰色Verhulst动态模型预测值进行修正,提高了模型的预测精度。实验结果表明,灰色马尔科夫Verhulst动态模型在滑坡形变预测中的预测平均相对误差相比于传统的灰色Verhulst模型降低了69. 6%,均方根差比降低了0. 39,小误差概率提高了0. 166 7。对于波动性较大的滑坡监测数据,灰色马尔科夫Verhulst动态模型预测精度优于传统灰色Verhulst模型。