共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
本文首先探讨了"波带板法"激光准直的若干问题,这包括园形波带板的成象规律、大气折光的影响以及点光源和探测器设计中的主要问题。然后介绍我院研制的准直仪器以及在大坝水平位移观测中的试验和应用。 相似文献
3.
5.
本文概要论述了波带板激光准直仪在加上微机控制后,用于大坝变形观测的自动监测程序的设计思想及其实现方法。采用此程序后能实现数据自动采集,偏移量的自动计算,结果中误差的评定,定时打印输出。由于用微机控制数据采集,对被测点很容易实现多次重复观测,求其平均值后,有效地削弱了大气湍流对准直的影响,提高了观测精度。 相似文献
6.
7.
GPS在变形观测中的应用 总被引:3,自引:0,他引:3
《江西测绘》2006,(4)
应用实例说明GPS技术在变形观测中具有布网灵活,工作效率高的特点,特别在地形复杂及大型监测网中更显其优势。其精度也能满足要求。 相似文献
8.
奇异谱分析SSA(Singular Spectrum Analysis)是一种被广泛应用于时间序列分析中的非参数方法。SSA结合线性递推公式LRF(Linear Recurrent Formula)可以进行时间序列预报,简称为SSA-LRF。本文将该方法引入到大坝变形预报中,对影响SSA-LRF预报精度的几个因素进行深入的分析,给出了SSA-LRF预报过程中的嵌入维数L与重构阶数P最佳取值范围。实例分析表明,SSA-LRF是大坝变形预报中的一种有效方法。 相似文献
9.
10.
11.
探讨了将人工神经网络专家系统用于大坝变形预测的方法,给出了系统功能结构框图,并对各模块的功能进行了分析。 相似文献
12.
13.
激光在天空对地观测中的应用 总被引:1,自引:0,他引:1
1960年7月世界上第一台激光器问世后,激光测距迅速兴起,不管是地面激光测距,还是激光测卫和激光测月,都为大地测量学的发展作出了重大贡献;特别是激光测卫测月成果,为我们深化对地球动态效应的认识,揭示地球的奥秘,提供了许多重要的科学数据,本文综析了值得注视的下列新近发展。.在IGEX-98国际大联测中,求定GLONASS卫星的激光轨道与微波轨道之差;.评定PRN05/06号GPS卫星星历的精度;.检核Topex/Poseidon海洋测高卫星用GPS定轨的测量误差,.用机载激光测深系统测量海水的浓度;.用EOS-ALT星载激光测距/测高系统测量地球动态参数。 相似文献
14.
中国科学测量及地球物理研究所工测组 《测绘通报》1965,(1)
目前对混凝土大坝变形观测工作提出的主要要求是:第一,精度要高,一般的混凝土大坝本身的变形值都在毫米级,因而,变形观测的精度一定要限制在这一值之下,以便发现与察觉出大坝的微小变形值。第二,速度要快,一般的观测对象以及某些观测点本身(非固定起始点)都在随时间而变动着自己的位置。这样,如果观测时间拖得太长,会造成首尾观测不符合,不闭合。特别是当大坝处于地震区的时候,这种要求就显得更加迫切。 相似文献
15.
为解决传统大坝变形监测方法仅能获取点形变信息,且监测成本高、受环境影响大等问题,提出了结合快速地基合成孔径雷达(Fast-GBSAR)获取的高精度二维形变图和三维激光扫描仪生成的DEM,解决了雷达数据可视化程度低的问题。利用该技术对国内某大坝进行了健康监测并对形变原因进行了深入分析,库区潮汐对大坝水平形变产生周期性的影响。试验表明,Fast-GBSAR可以获取高精度的大坝形变信息,结合三维可视化技术,建立直观、高效与高精度的三维监测方式,为大坝的变形监测提供了可靠保障。 相似文献
16.
17.
本文介绍了古田汉一级大坝原有变形观测项目及存在的主要问题,提出了观测系统改造的原则和要求。详细论述了各观测项目增设、改造及自动化设计的实施方案,给出了相应的精度估算。 相似文献
18.
王洪 《测绘与空间地理信息》2010,33(3):22-25
近年来我国在西南地区,规划建设了许多大型的水利枢纽工程,但如何确保这些水利设施的安全运营,成了目前研究的热门课题。大坝变形监测是大坝安全监测系统的一个主要项目。本文以紫坪铺大坝变形监测系统为例,详细介绍了LEICA测量机器人自动观测系统的方案设计以及质量评价,以期能够对其他类似工程提供一点经验借鉴。 相似文献
19.
主要介绍了地基合成孔径雷达,阐述了干涉测量成像系统IBIS-L的结构和基本原理,将IBIS-L系统应用于国内外几个大坝的变形计算与分析,获得了较为准确的大坝位移量,认为IBIS-L系统可以应用于大坝的变形监测,同时认为大坝变形监测时受大气的影响较大,如何有效地进行大气影响改正和提高IBIS-L技术的变形监测精度是值得深入研究的课题。 相似文献
20.
大坝时间序列变形的高精度预测对于大坝运行维护及保护人民生命安全显得尤为重要。本文以某大坝113期变形时间序列数据为实验,提出了一种深度学习中的循环神经网络(LSTM)方法来进行大坝变形预测,将实验的结果与机器学习中NAR神经网络和ARIMA自回归移动平均模型的预测结果进行对比,LSTM、NAR和ARIMA模型的均方根误差(RMSE)分别为0.392 5、0.573 7、1.298 7;平均相对误差(MRE)分别为0.0498、0.1046、0.1878;R^2系数分别为0.932 3、0.822 1、0.247 7。从上述结果对比可知,LSTM时间序列预测模型的精度更高且稳定性更好,可作为后续大坝变形预测的一种新的思路和探索。 相似文献