一、Kalman最优平滑器在滑坡位移监测数据处理中的应用（论文文献综述）
贾春庭[1]（2021）在《基于时序InSAR技术的湿陷性黄土地区地表形变监测研究》文中认为随着我国城市化进程的发展,西北部黄土高原城市的人地矛盾也越来越突出,紧张的用地现状迫使许多城市采取“削山建城”的策略。延安新区建设是世界湿陷性黄土区域内规模最大的岩土工程项目之一,建设面积达78 km2。大规模的“削山填谷”运动、快速的城市建设进程以及复杂的黄土地质条件引起了该区域内广泛、剧烈的地表变形,给经济的持续发展、人民的生命安全和生态环境的保护都带来巨大的威胁。因此,对于延安新区地表形变空间分布和发展过程的研究就显得尤为重要。永久散射体合成孔径雷达干涉测量技术（Persistent Scatterer Synthetic Aperture Radar Interferometry,PS-InSAR）通过分析覆盖同一场景内的SAR影像,可以获取毫米级的地表形变信息,被广泛应用于城市地表形变监测领域。PS-InSAR是基于高相干点的差分干涉技术,要求监测区域内存在长期保存的人工附着物或者裸露的岩体等,而对于田地、森林、裸地等地表监测效果不好,并且对于基于单一参考点的相位解算,容易造成相位混叠,解缠失败。小基线集合成孔径雷达干涉测量技术（Small Baseline Subset InSAR,SBAS-InSAR）利用时空基线较短的干涉子集差分处理,能有效提高低相干区域内观测点的数量和密度,对于土方工程后的裸地地表变形监测能取得较高精度。本文基于PS-InSAR和SBAS-InSAR方法,对土方工程后的延安进行地表形变监测,研究大规模的工程活动对湿陷性黄土地区地表的影响。主要研究内容和取得的成果如下:（1）以PS-InSAR和SBAS-InSAR为例,介绍了时序InSAR技术监测地表形变的基本原理,分析了InSAR方法的主要误差来源和消除方法;（2）基于PS-InSAR和SBAS-InSAR方法,利用2015-2019年间55景Sentinel-1A数据计算了延安土方工程后地表形变信息,不同方法的地表形变结果互差在4.5 mm/a左右。结果表明延安新区地表在土方工程后出现剧烈的形变,地表平均形变速率在-70-30 mm/a之间,位于延安新区上海路和子长路之间的沉降带,最大累积沉降量达-300 mm,延安学习书院东北侧的大数据产业园区,最大累积抬升量达100 mm。结合SAR影像相干性和延安机场21个表面沉降监测点数据分析了InSAR形变结果的理论和实际精度,分别为2.5 mm/a和10 mm/a;（3）延安新区的地表形变分布和土方工程有较高的相关性。将地表形变区域和土方作业区域叠加在一起,发现50%以上的抬升发生在挖方区域,60%以上的沉降发生在填方区域。结合土方工程建设和黄土的湿陷性分析,填方区的地表沉降可能是回填土遇水湿陷变形和黄土地基在外负荷载下及自身重力下的压缩变形等多种因素导致的,而挖方区的工程后地表抬升现象可能是挖方导致的地表上层压力释放造成的;（4）基于Kalman滤波对延安新区内12个形变点和延安旧城区4个形变点进行过程平滑和趋势预测分析,结果表明延安旧城区地表基本保持稳定,延安新区地表在经历2015-2019年的快速变形阶段后,地表形变速率开始下降,整体地表形变开始接近稳定期。
杜家宽[2]（2021）在《Kalman滤波在GB-InSAR边坡形变监测中的应用》文中研究指明边坡在内外地质应力的作用下不断发生形变,当形变处于一定范围内,边坡保持稳定;当形变超过稳定范围,就会引发滑坡等地质灾害。因此,边坡形变监测一直是学者们研究的热点问题,地基合成孔径雷达干涉测量（GB-InSAR）具有高精度、高时间分辨率和高空间分辨率的特点,被广泛地应用在边坡形变监测中。由于GB-InSAR监测时间间隔短,大气延迟相位在时间维具有较强的相关性,当前的时序数据处理方法不能够消除时间相关性大气延迟相位,需要将大量数据组合处理,占用大量电脑内存,效率低。此外,时序处理方法也不能对边坡形变进行预测。针对以上问题,本文做出以下研究:（1）本文考虑GB-InSAR大气延迟时空相关的特点,提出了一种改进的多时相GB-InSAR数据时序处理方法,该方法引入基于缠绕相位大气去除方法来去除干涉图上的静态模型大气,采用滤波和插值的方法分离残余湍流大气与形变,避免了时间相关大气延迟相位在线性构网解算中的干扰,有效提高了GB-InSAR时序分析的精度。以河北省迁安市马兰庄铁矿边坡监测数据和陕西省镇安储水蓄能水电站边坡监测数据验证了提出的方法的可靠性。（2）针对目前现有边坡形变预测方法只能预测少数边坡监测点的形变,不能适用于大面积边坡形变预测等问题。本文提出基于Kalman滤波的GB-InSAR边坡形变预测方法。结合改进的多时相GB-InSAR数据处理方法,设计了基于边坡形变序列的卡尔曼滤波器。通过改进的多时相GB-InSAR方法计算出形变序列,利用部分形变序列确定Kalman滤波状态转移矩阵,再利用Kalman滤波对形变序列进行滤波和形变预测。该预测方法可以对GB-InSAR监测范围内的边坡整体形变进行预测分析。通过多时相GB-InSAR数据对提出方法进行验证,结果表明提出方法可以充分利用多时相GB-InSAR获取的形变信息,有效的预测GBInSAR监测区域的形变趋势。（3）传统的时序处理方法针对整个GB-InSAR数据集进行处理,或分组实时进行处理,该类方法速度慢,不能满足边坡监测的时效性,并且消耗电脑内存较大。因此,本文提出了基于Kalman滤波的GB-InSAR边坡形变监测实时处理方法。根据前一时刻形变最优估计值,预测当前时刻的形变值,并将当前时刻获取的SLC与主影像干涉获得新的干涉图,将大气校正后的新干涉图形变相位作为Kalman滤波观测值进行滤波估计。该方法不占太多计算机内存,且效率高,可在几分钟内解算当前时刻形变最优估计值。马兰庄监测数据实验验证了该方法的有效性。
蒋宏伟[3]（2021）在《万州区滑坡灾害位移与库水位及降雨响应关系研究》文中指出我国一直是全球地质灾害最为频发的国家之一,其中尤以滑坡灾害最为严重,多年来地质灾害造成了众多的人员伤亡和重大的财产损失,并给我国的经济社会发展造成了不良的影响。在我国,三峡库区历来是地质灾害多发区,历史上曾发生过多次灾难性滑坡,尤其是自2003年蓄水以来,由于水库水位周期性的变化,使得大量老滑坡复活并诱发新的滑坡。例如,受三峡工程175m试验性蓄水影响,藕塘滑坡自2008年起出现较为集中的地表变形。巴东县黄土坡滑坡,也出现了滑坡险情。经过规范有效的风险评估,现已对藕塘滑坡所在安坪镇和巴东老县城等实施整体搬迁,规避滑坡风险。在此背景下,三峡库区内陆续开展了从区域滑坡灾害风险到单体滑坡风险的评价分析,从滑坡空间易发性分区到滑坡灾害的位移时间预测的研究。论文以三峡库区万州区的滑坡灾害为主要研究对象,以滑坡位移与库水位及降雨的响应关系为研究主旨。在收集滑坡调查资料、滑坡监测资料的基础上,基于统计分析,总结万州区滑坡灾害的分布规律,并对万州区滑坡灾害累计位移-时间曲线形态进行分类;基于数理统计,研究分析万州区滑坡灾害降雨阈值;基于聚类算法和数据挖掘算法,研究万州区典型滑坡灾害的变形演化关联规则和诱滑因素阈值;基于机器学习算法和线性权重理论,开展万州区典型滑坡灾害的位移预测研究。通过以上研究,论文现取得了如下成果:（1）基于收集到的地质灾害调查资料,发现万州区滑坡灾害的时间分布规律与库水位运行和降雨分布具有高度相关性;其空间分布规律与地质构造、地形地貌、水系分布等具有高度相关性;因为万州区的地层分布与地质构造紧密相关,因此万州区的滑坡灾害也呈现出在万县向斜内集中分布的特征;万州区滑坡灾害以堆积层滑坡为主,滑动面以土体/基岩接触面为主,这与万州区的地质营力作用特征紧密相关,地壳运动、河床下切等综合作用提供了万州区堆积层滑坡的物质来源;万州区滑坡灾害所在斜坡坡度集中在10o～40o,且滑坡灾害的规模以中型滑坡和浅层滑坡为主;万州区滑坡灾害的影响因素以暴雨事件居多,滑坡灾害目前已造成的损失较小,但是滑坡灾害稳定性发展趋势以潜在不稳定居多。（2）基于2003年6月～2020年5月的库水位运行数据发现,三峡库区万州区的库水位运行时段以年为统计单元可划分为:2003年6月～2006年9月,2006年9月～2008年9月,2008年9月～2010年6月,2010年6月～2020年5月共4个阶段,各阶段库水位运行的特征高程分别为130m,145m,171m和175m。以月为统计单元可划分为:水位快速下降期A时段、汛期B时段、水位快速上升期C时段和其他时段,选取A、B、C三个时段作为特征时段。此三个特征时段的具体时间指向分别为5月份,6～8月份,9月份。在此基础上,通过分析三峡库区万州区典型滑坡的地下水位监测数据发现,滑坡地下水位受到库水位、降雨、地形地貌和滑体性质等多种因素控制。一般而言,监测点距离库区岸线越近,其地下水位变化曲线与库水位变化曲线的相关性越大;在监测点附近滑体物质渗透性较好时,其地下水位对降雨事件响应越好,滞后越小;附近滑体物质渗透性较差时,其地下水位对降雨事件响应越差,滞后时间越长。统计三峡库区万州区典型滑坡灾害的地表GPS位移监测数据发现,11个典型滑坡上的28个地表GPS监测点附近位移均属于慢速。其中有4个滑坡在库水位快速下降期A时段位移速率较高,有2个滑坡在汛期B时段位移速率较高,另有5个滑坡在库水位快速上升期C时段位移速率较高。因此,滑坡快速位移时段主要集中在库水位快速变化期A时段和C时段。并且,在2007年和2015年的A时段,2007年、2014年和2015年的B时段,还有2011年、2012年和2013年的C时段有更多滑坡处于位移速率相对较高水平。（3）基于监测资料和前人的研究成果,万州区的滑坡累计位移-时间曲线形态可分为:以杀人田滑坡为代表的直线型;以付家岩滑坡为代表的曲线上升型;以金金子滑坡为代表的收敛型;以壤渡场北崩滑体为代表的回落型;以花园养鸡场滑坡为代表的阶跃型;以杨家坝滑坡为代表的震荡型和以塘角2号滑坡为代表的复合型。（4）基于收集到的监测数据,应用数理统计方法发现,对万州区内处在砂泥岩共存地层且斜坡结构为近水平层状斜坡的滑坡灾害而言,当预测预报位移速率等级为第三等级,即预警的期望是“部分临时性建筑及旧房屋出现破坏,可以随时采取简单的补救方式进行加固”时,其单日降雨量的阈值选择就分别为:在库水位快速下降期A时段当单日降雨量达到15mm;在汛期B时段当单日降雨量达到20mm;在库水位快速上升期C时段当单日降雨量达到25mm。其前期2日有效降雨量的阈值选择为:在库水位快速下降期A时段当前期2日有效降雨量达到45mm;在汛期B时段当前期2日有效降雨量达到50mm;在库水位快速上升期C时段当前期2日有效降雨量达到35mm。（5）基于万州区四方碑滑坡的监测数据,应用聚类算法、Apriori算法和C5.0决策树算法,挖掘出四方碑滑坡变形演化关联规则15条,并建立了四方碑滑坡变形状态的诱滑因素阈值判据共7条。关联规则成果表明,四方碑滑坡监测点WZ02-03附近的地表位移受到库水位变动和降雨作用的联合作用影响,且库水位变动的因素,是四方碑滑坡监测点WZ02-03附近的地表位移变形的主要诱滑因素。滑坡变形诱滑因素阈值判据与滑坡变形演化关联规则的成果一致。另外,四方碑滑坡监测点WZ02-03附近地表以中等速度即以10.55～31.95mm/m变形时,其月累计降雨量阈值是144.6mm,月库水位变幅阈值是-2.065m,即库水位以2.065m/月的速率下降。（6）基于线性权重理论,提出了一种集成长短期记忆神经网络（LSTM）与支持向量回归（SVR）算法的集成预测模型。将该模型应用于三峡库区万州区四方碑滑坡的位移预测研究中,并与LSTM模型和SVR模型等单一模型进行对比,取得了理想的效果。并在此基础上,将该模型推广至三峡库区奉节县的生基包滑坡的位移预测中,以验证模型的适应性。研究发现,模型适应性良好,且总体而言,LSTM模型优于SVR模型,但在预测数据集的所有时间步上,LSTM模型的结果并没有比SVR模型的结果更接近原始值。提出的集成模型综合了LSTM和SVR两种算法的优点,其预测性能优于LSTM和SVR两种模型。
党升[4]（2021）在《基于组合预测模型的监测数据处理方法与应用》文中指出数据处理、分析和预测是变形监测工作的重要内容,对变形体的发展趋势或变形数值进行推估预测是变形监测重要的应用价值之一。组合预测研究方法自上个世纪六十年代提出以来,经过几十年的发展,现已成为预测学科的重要研究方向之一,它已广泛深入于各个行业之中,例如大宗商品价格预测、经济预测、电力负荷预测等。在变形监测数据处理中,也有相关的应用探索,例如深基坑位移变形预测、地质灾害预警、地基沉降监测、大坝位移监测等等。通过梳理国内外重要文献发现,在监测数据处理领域,目前研究较多的是以某种最优准则建立传统的固定权系数组合预测模型,而其它组合理论和方法研究较少。因此本文主要从两个方面对组合预测模型进行探讨,研究监测数据处理中的组合预测方法与预测精度。一方面是以传统的组合预测方法为基础,改进模型中部分计算方式或预测算法,提高对变形体位移变化的预测精度;另一方面则是初步探索组合预测学科研究中较为困难的动态（变）权系数组合预测方法。具体工作如下。一、模型与预测方法改进。（1）对传统的最小二乘线性组合预测模型建模方法进行研究。针对最优权系数组合模型在组合不同单项预测模型时,由于模型的拟合精度不同而出现过度偏权问题,文中提出了一种基于局部最优的权系数组合预测模型,即以t0～N时刻各个预测模型的残差平方和为目标函数,通过最小二乘准则确定模型的局部最优权,并将该权作为组合预测模型的权值。通过实测水位监测数据验证了该方法的有效性,与最优权系数组合预测模型和实测数据进行对比分析,结果表明:该方法能很好地解决过度偏权问题,提高组合模型的预测精度。（2）针对当前单项模型滑坡位移预测精度不高的问题,本文从相关性组合预测的角度出发,结合诱导有序加权平均算子（IOWA）提出了基于诱导有序加权平均算子的滑坡位移相关性组合模型,根据新陈代谢思想提出了基于诱导有序加权平均算子的滑坡位移相关性组合模型的新陈代谢预测法,通过引入拟合预测评价指标,对该模型的拟合与预测效果进行评价。实例验证结果表明,基于诱导有序加权平均算子的滑坡位移相关性组合模型的拟合评价指标均优于选用的单项模型以及相关性组合模型,预测指标也较原方法有了一定的提高。二、动态（变）权系数组合预测模型研究。（1）基于最小二乘准则的滑坡位移动态权系数线性组合预测模型研究。针对固定权系数组合预测模型在多期预测预报中存在精度下降过快的问题,本文从基于最小二乘准则的线性组合预测模型出发,结合新陈代谢思想提出了一种基于最小二乘准则的滑坡位移动态权系数线性组合预测模型,通过引入预测评价指标对该模型的预测效果进行评价。实例验证结果表明,基于最小二乘准则的滑坡位移动态权系数线性组合预测模型的预测评价指标均优于选用的单项预测模型以及普通线性组合预测模型。（2）基于相关系数的新陈代谢组合预测模型研究。针对组合预测模型在滑坡位移预测预报中精度下降过快的问题,本文从基于相关系数的组合预测模型出发,应用新陈代谢理论提出了一种基于相关系数的滑坡位移新陈代谢组合预测模型,并定义、推导了相应的计算公式,通过引入预测评价指标体系对该模型的预测效果进行评价。通过滑坡位移实例验证的结果表明,基于相关系数的滑坡位移新陈代谢组合预测模型的预测评价指标优于选用的单项预测模型和基于相关系数组合预测模型。（3）熵权层次结构下的滑坡位移新陈代谢组合预测方法。本文将层次分析法和新陈代谢理论融入组合预测模型,提出了一种熵权层次结构下的滑坡位移新陈代谢组合预测方法。首先,从“拟合精度”和“发展相关性”两个指标构建组合预测模型,通过最小二乘组合法和灰色关联分析法计算各单项预测模型的组合权值;然后,运用熵值法将各单项预测模型的组合权值按指标类别构建一类递阶层次结构,并计算各指标的熵权值,确定各单项预测模型最终权值;接着,引入新陈代谢理论,通过自代谢的方式剔除陈旧数据并添加新数据,将传统的固定权系数动态化;最后,以某大坝位移监为例对本文提出的方法进行验证。试验结果表明:本文提出的方法具有一定的稳定性和有效性。
姜永杰[5]（2020）在《丽香铁路金沙江特大桥桥位岸坡变形监测信息管理系统应用研究》文中研究指明在建的金沙江钢桁悬索特大桥跨越金沙江虎跳峡,桥址区构造运动相对活跃,其香格里拉岸主墩处受到铍选厂2号断层的影响。由于地震、暴雨可能引发该桥岸边坡的失稳破坏,因此该桥能否顺利通过建设施工进入稳定运营阶段,其桥岸边坡的稳定性是重要的控制因素。为保障建设工程顺利竣工,为悬索桥的施工提供有效的监测信息反馈,本文研究开发了金沙江特大桥桥位岸坡变形监测信息管理系统,实时获取边坡变形数据,计算并判断桥岸边坡稳态。主要研究内容如下:（1）实地勘察获取桥位区工程地质条件,根据岸坡工程特性确定“位移监测”为该岸坡稳定性监测主要内容。结合建设方案参与布设监测点网络,以平面、断面立体监测网实时获取边坡位移变形数据。（2）采用关键点位移累积量、变形加速度及位移时序曲线的切角作为该岸坡失稳预警判据,并基于边坡推理系统理论及边坡工程监测相关规范,计算并确定各预警判据的临界值,多项预警阈值共同判断边坡稳定性。（3）基于通用的边坡变形数字化分析方案,辅以该岸坡变形数据作为分析样本,重点研究窗口平移多项式、小波分析对灰色系统GM（1,1）、BP神经网络等预测算法的预测精确度影响,得出边坡在稳定变形阶段及加速变形阶段下分析效果最优的算法组合,切实提高监测算法对该边坡变形分析的适用性。（4）基于数据库技术、通信协议技术、.Net Framework 4.5平台开发金沙江特大桥桥岸边坡变形监测信息管理系统,通过将下位机采集的位移变形数据实时更新至本地数据库,客户端通过ADO.NET调用数据库信息实时跟进测算,从而达到对该桥岸边坡的长期监测,中短期预报预警功能。
王智伟[6]（2020）在《黄土滑坡多源异构监测数据融合算法研究》文中指出我国黄土地区滑坡灾害频发,严重损害当地人民的生命财产安全,给生态环境和自然资源等造成不可挽回的损失。滑坡变形受多种影响因素共同作用,仅仅依靠单个类型传感器的监测信息来判断滑坡的状态,一定程度上降低了判断结果的准确性。多源数据融合技术能对各监测数据进行综合分析,有效提高滑坡状态判断的准确性。因此,本文在深入学习黄土滑坡变形监测理论和数据处理方法的基础上,以甘肃省永靖县黑方台党川滑坡为例,通过对黄土滑坡多源异构监测数据的分析,研究了多源异构监测数据的预处理方法,提出了两种适用于黄土滑坡多源异构监测数据的融合算法,并对融合后的结果进行了分析。本文的主要研究内容及成果具体如下:（1）介绍了滑坡变形监测领域中多源数据融合的基本理论,包括多源数据融合的定义、基本原理以及多源数据融合的时间性与空间性等问题,分析了多源数据融合的结构、级别以及存在的若干问题。（2）研究了滑坡监测中常用的五种无线传感器的原理和特点,并以BD-LX10型号位移计为例,利用C++编程语言实现了对该型号位移计原始数据流的解码;通过在甘肃省永靖县黑方台党川滑坡变形监测中的实际应用,实时获取了DCF10监测点处的形变信息,并提前2天发布了预警信息。（3）针对滑坡监测多源数据存在的不一致性、不完整性、含噪声以及差异性等问题,研究了多源异构监测数据预处理方法,包括异常数据的剔除、缺失数据的补全、数据的平滑处理以及数据标准化处理,并利用实测数据进行了分析。结果表明:拉依达准则和肖维勒准则对异常位移数据的剔除效果优于格拉布斯准则;拉格朗日插值法对缺失位移数据的补全效果最好;简单滑动平均法和加权滑动平均法对位移数据的平滑效果比Savitzky-Golay平滑法的效果好;Z-Score标准化、最大最小值标准化、Decimal scaling小数定标标准化这三种标准化处理方法对温度数据的处理效果相当。（4）针对黄土滑坡多源异构监测数据融合问题,提出了基于主成分-逐步回归分析的多源异构监测数据融合模型和基于BP神经网络的多源异构监测数据融合模型。实验结果表明:主成分-逐步回归模型曲线能在一定程度上反映及预测滑坡的变化趋势;BP神经网络数据融合模型适用于具有多源异构监测数据的滑坡变形预测,在利用各环境因子变量和滑坡位移变化量的相关性及显着性进行环境因子变量筛选后,BP神经网络数据融合模型的决定系数达到0.985,RMSE达到0.4787 mm,从而有效提高了变形预测结果的精度。
何朝阳[7]（2020）在《滑坡实时监测预警系统关键技术及其应用研究》文中认为监测预警是地质灾害防灾减灾的重要手段,监测是预警的基础,预警是监测的目的。近年来,国内外学者对滑坡监测预警的方法技术体系进行了深入研究,取得了大量的研究成果。但总体上,地理与地质结合不够紧密,监测预警模型很难充分考虑滑坡变形过程和成灾机理,难以取得较高的预警精度,研发的监测预警系统也难以满足数以万计隐患点实时监测预警的实战需求。已有的研究成果还难以有效地解决地质灾害“什么时间可能发生”、“力争实现提前3个小时预警”的任务。如何提高滑坡监测预警能力,我们面临诸多挑战:如何提高滑坡监测预警精度?如何将理论研究成果应用到实际的监测预警中,构建一套可业务化大规模应用的滑坡实时监测预警系统?基于此,本论文系统总结作者近10年来在监测预警方面的实践成果,采用云计算与物联网等先进技术,构建滑坡监测预警云平台,整合与管理滑坡地质灾害演化全过程的各类资料,研发并行高效的多源异构监测数据汇聚平台,集成多源异构实时监测数据,形成天-空-地多元立体监测数据中心;综合分析2.1万余台（套）监测设备、超过1.26亿条监测数据的实测曲线,总结划分监测曲线类型,构建监测设备可靠度评价体系,研究滑坡过程预警模型及其实现的关键技术,在此基础上,构建一套混合架构（B/S架构、C/S架构、移动App）的滑坡实时监测预警系统,实现了地质与地理、空间与属性相结合的滑坡演化全过程一体化管理,利用计算机手段对滑坡实施全过程动态跟踪的“过程预警”,有效地提高了滑坡预警精度。本文取得主要成果如下:（1）构建滑坡“过程预警”模型及其自动求解算法:结合变形速率、速率增量、改进切线角三个参数,构建基于滑坡变形演化过程的“过程预警”模型,从滑坡变形监测数据入手,划分监测曲线类型,研究滑坡变形演化阶段的自动识别理论及计算机技术,实现对滑坡全过程动态跟踪预警;（2）构建监测设备可靠度建立评价体系和多设备联动预警机制:通过动态对监测设备可靠度进行评价,结合联动预警机制,评价预警结论可信度,以提升监测预警的成功率,利用计算机技术自动识别滑坡的变形演化过程,实现自动、实时的“过程预警”,为预警模型的业务化、自动化运行提供理论与技术支撑;（3）提出监测数据自动处理方法:研究实测监测数据的预处理方法,为计算机自动处理监测数据提供相关的算法。通过设置监测数据过滤器和采用拉依达准则实现对异常数据的初步过滤与粗差处理,再结合数据特征,分别采用移动平均法与最小二乘法对数据进行拟合,识别数据表现出来的变形趋势。基于监测数据曲线特征自动选择相应的数据处理方法,为后续预警模型计算提供更为准确的数据,提高预警精度;（4）构建实时高效的监测数据集成与共享统一管理平台:结合物联网、消息队列、负载均衡等技术,研究监测数据编码体系,提出一套基于MQTT协议的实时监测数据传输与集成方案,实现多源异构监测数据终端集成和监测数据采集、传输及汇集融合一体化管理,为监测预警提供实时数据保障;（5）构建基于策略的滑坡实时过程预警技术:从模型的计算、预警的发布与解除等方面,将滑坡预警的理论模型与实际应用相结合,研发预警等级求解器,构建基于策略的预警模型通用计算框架,并从预警信息发布技术及发布策略方面进行总结,实现对滑坡的实时过程预警;（6）构建滑坡变形演化全过程一体化数据管理平台:基于“天-空-地”滑坡多元立体观测技术,采用WebGL技术跨平台的三维数字地球,提供直观、真实的三维实景漫游平台,实现海量基础数据、实时监测数据、视频的集成管理与共享,也为实时监测预警系统提供一个功能强大、数据丰富的三维展示平台,构建基于滑坡演化全过程的一体化数据管理体系和滑坡综合信息模型,为滑坡的专家预警决策提供数据支撑;（7）研发混合架构体系的滑坡实时监测预警系统:综合集成上述研究成果,研究混合架构体系（B/S、C/S、移动端）,基于微服务研发滑坡实时监测预警系统,各个架构系统密切配合,针对不同的功能需求,充分发挥各架构的优势,构建数据综合展示统一平台,为过程预警模型提供技术解决方案,实现滑坡监测预警的业务化运行,为滑坡的防治、应急、抢险等提供基础数据支撑与预警信息服务。
陈长坤[8]（2019）在《基于自适应卡尔曼滤波的开采沉陷地表移动变形数据处理及预报研究》文中指出随着我国国民经济的发展以及社会的进步,我国能源结构正在向节能方向发生转变,但是煤炭在我国基础性能源的地位依然不可撼动,在主要的能源结构中仍占据着重要的且不可代替的地位。煤炭资源的高强度开采引起的地表塌陷破坏了耕地,给农业生产带来了极大影响,煤矸石污染矿区生态环境、污染水源,给生态环境造成不可逆影响。为了保护矿区生态环境并进行恢复与重建,及时、精确、可靠的获取矿区开采沉陷地表移动变形信息以及准确预报变形信息变得尤为重要。卡尔曼滤波模型通过建立开采沉陷地表移动变形的状态方程和量测方程来描述的系统的动态过程,它需要开采沉陷地表移动变形动态系统的数学模型和噪声先验知识,但开采沉陷过程中有些阶段很不稳定,使其对该阶段的数据处理及预报分析产生较大的偏差,会使精度和可靠性明显降低。针对开采沉陷地表移动变形数据处理及预报分析精度偏低的问题,本文提出了适用开采沉陷地表移动变形监测系统的自适应卡尔曼滤波模型,通过朱集东矿1222（1）工作面回采结合本文提出的自适应卡尔曼滤波模型对开采沉陷地表移动变形监测数据的处理及分析预报进行深入探究。本文所做的工作和成果如下:采用本文提出的滤波对矿区开采沉陷地表移动变形数据进行滤波处理。结论表明极大验后自适应卡尔曼滤波各期的残差稳定性高,但残差值均正值或负值,可能存在系统偏差;方差补偿自适应卡尔曼滤波残差中误差和残差稳定性次于方差分量自适应卡尔曼滤波;方差分量自适应的残差中误差最小且各期滤波残差比较稳定,能明显减弱卡尔曼滤波较大的滤波残差,效果明显。采用本文提出的滤波对GNSS CORS地表移动自动化实时监测站的三维空间位置坐标序列进行预报分析。得出方差分量自适应卡尔曼滤波预报残差稳定性高且密集程度高,在X坐标方向上预报残差整体减少60%,Y坐标方向上整体减少52%,H方向整体减少69%,残差离散程度分布更为均匀;平面位置预报精度和高程预报精度明显优于其他几种滤波。采用本文提出的方差分量自适应卡尔曼滤波对单基站CORS RTK获取的平面位置坐标和高程进行滤波处理。得出滤波后平面精度平均提升50%左右,高程精度平均提升70%左右,平面和高程精度均得到提升,高程精度提升更为明显;滤波后高程实测值与水准测量差值明显减少,成果精度和可靠性都得到提高,能基本满足开采沉陷地表移动变形参数解算对高程的精度要求。图[53]表[20]参[85]
童爱霞[9]（2019）在《复杂工况下GBSAR高边坡形变监测研究与应用》文中研究表明地下硐室的开挖,可能会给周边环境带来沉陷与滑动等地质灾害,尤其是附近高边坡的稳定受到严重威胁。实现对地下硐室旁高边坡长时间、高精度、实时和连续的变形监测,在灾害发生前提供精确的监测数据与预警信息,制定应对措施,有效避免人员伤亡和财产损失,变得十分重要。地基合成孔径雷达是一种新型的变形监测技术,其调频连续波和合成孔径雷达干涉测量技术,可实现非接触式区域性大面积变形监测,具有全天时、全天候、连续监测、重复周期短等特点,监测精度可达到mm量级甚至亚mm量级。本文以地基合成孔径雷达Fast GBSAR系统为实验平台,针对地基雷达系统在地下硐室开挖威胁下高边坡监测数据处理方法与高边坡稳定性分析等方面进行实验研究。主要工作如下:1、对Fast GBSAR系统测量精度进行检验。利用地基SAR系统与测量机器人对月湖桥进行变形监测,检测期间在桥柱上布设五个固定角反射器与一个可调节角反射器。将地基SAR监测到的可调节角反射器形变量与千分尺调节量进行对比,结果显示地基SAR系统监测精度可以达到0.1mm;对比地基SAR系统与测量机器人监测到的固定角反射器形变曲线,其结果基本一致。2、利用Fast GBSAR系统对硐室开挖前的高边坡进行连续变形监测。监测期间工地处于正常施工状态,工况复杂,为了减弱施工环境、自然环境以及仪器与人为因素可能对监测结果造成的影响,根据永久散射体原理在高边坡表面焊接了9个角反射器。对数据进行处理,得到永久散射体形变曲线图,并对观测平台的不稳定性、外界环境的干扰及干涉相位误差进行分析。3、硐室高边坡地基SAR数据粗差探测方法比较。施工对地基SAR监测带来的干扰,使得监测结果产生不正常跳变,为了去除这些不正常跳变值,引入抗差最小二乘,并分别采用绝对和极小法与Tukey双权法对地基SAR测量数据进行粗差探测。对粗差剔除后的高边坡变形监测数据进行对比分析,得出Tukey双权法更适用于地基SAR数据粗差探测,其优点是在有效抗差的同时,又能充分利用观测信息,达到抗差和效率的一种平衡。4、提出基于半参数样条的地基SAR数据噪声去除。针对PS点选择合适的样条参数,获得形变信息的最优估计值。结果表明,利用该方法对地基SAR数据进行去噪,在噪声与信号数量级相差较大时,能够实现二者的正确分离。5、基于地基SAR的硐室开挖高边坡稳定性评估及建议。利用地基SAR对坡脚打桩时的高边坡进行连续变形监测。对数据进行平差处理,得出高边坡整体形变在-3mm1mm范围内。并结合全站仪、水准仪、裂缝数据进行高边坡形变分析,各数据形变趋势吻合,且均小于施工设计限定的±3 mm/d。相较于传统仪器一天两次的监测次数,地基SAR采样频率更高,这样能够更好的对高边坡实际变形进行反演,并为高边坡稳定与硐室开挖提供合理依据与保护建议。
陈节作[10]（2019）在《南宁华润中心施工过程结构变形监测研究》文中进行了进一步梳理随着社会的进步和经济的迅猛发展,超高层建筑不断的刷新城市的天际线,结构体系也越来越复杂,给超高层建筑的建造带来了巨大的挑战。超高层建筑施工期的各类荷载、施工工艺以及外界因素对结构变形有较大的影响,因此有必要对超高层建筑施工过程进行实时的变形监测,对监测数据进行去噪与分析,并结合对超高层建筑变形状态的理论分析,为超高层建筑结构安全性评估与损伤识别提供技术指导。本文以在建的“广西第一高楼”—南宁华润中心为工程背景,研究了适合本项目的施工现场变形监测方案,建立南宁华润中心阶段施工有限元分析模型,对其进行了全过程施工模拟研究,并与现场实测数据进行对比分析;提出了小波-自适应卡尔曼滤波组合分析模型,并将其应用在本超高层项目中,取得了良好的效果,具体内容如下:（1）详细的叙述了南宁华润中心结构位移监测方案,建立三个级别的平面控制网对南宁华润中心进行结构位移监测。主体结构封顶之前,采用“全站仪直接测量法”相结合的方法对本项目进行阶段施工监测,结构封顶之后采用“全站仪+GPS组合监测法”对水平位移进行长期监测。（2）建立南宁华润中心有限元模型对其进行全过程施工模拟研究,分析了施工期间塔楼核心筒和外框柱竖向位移及位移差的变化情况。结果表明:随着楼层高度的增加,楼层的最大竖向位移并没有发生在结构的顶层,而是在中间楼层,楼层竖向位移变化曲线呈现中间大两边小的“鱼腹型”变化规律;（3）对结构水平位移变化进行了深入的研究,对比了不同收缩徐变模式对水平位移分析的影响;将有限元分析的理论结果与现场实际监测值进行对比分析;研究表明:楼层水平位移变化曲线呈现中间大两边小的“鱼腹型”变化规律,即中间楼层水平位移大,底部和顶部楼层水平位移较小;采用ACI209-92收缩徐变预测模式和CEB-FIP90收缩徐变预测模式计算所得的水平位移存在一定的差异,但相差不大且变化趋势基本一致;施工模拟分析的计算结果与实测数据存在一定的差异,但变化趋势大致吻合。（4）对工程建筑物变形监测数据分析的理论和方法进行了详细的叙述,包括小波分析以及卡尔曼滤波的相关理论,对动态测量系统的卡尔曼滤波模型和卡尔曼滤波初值的确定方法进行了研究。此外,提出了小波-自适应卡尔曼滤波组合分析模型,并应用MATLAB对其进行程序设计。（5）结合施工现场变形监测数据研究了适合本超高层项目的最优小波去噪模型,对比分析了小波阈值去噪与方差补偿自适应卡尔曼滤波的滤波效果。研究表明:小波阈值去噪能较好的将监测数据的曲线尖峰平滑过渡,小波去噪后的数据曲线较原始数据呈现的规律也更加明显,取得了小波阈值降噪的目的。与小波阈值去噪相比,采用方差补偿自适应卡尔曼滤波滤波后的数据残差值波动较小,滤波处理后残差的方差值比小波阈值去噪后的数据残差的方差值要小,方差补偿自适应卡尔曼滤波更具有动态变形的适应性。（6）提出了小波-自适应卡尔曼滤波组合分析模型,并首次将其应用在超高层建筑的变形监测数据分析当中,对其滤波及预测效果进行了详细的研究,研究表明:较之方差补偿自适应卡尔曼滤波,经过小波阈值去噪预处理的小波-自适应卡尔曼滤波的滤波残差值波动较小,滤波效果有一定程度的提升。小波-自适应卡尔曼滤波组合分析模型的整体预测值与实际值的差值较小,预测效果优于自适应卡尔曼滤波,也是适用于本超高层监测项目数据分析的最优模型。
二、Kalman最优平滑器在滑坡位移监测数据处理中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Kalman最优平滑器在滑坡位移监测数据处理中的应用（论文提纲范文）
（1）基于时序InSAR技术的湿陷性黄土地区地表形变监测研究（论文提纲范文）
| 中文摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究目的、内容和技术路线 |
| 第2章 InSAR技术监测地表形变原理 |
| 2.1 InSAR技术测高原理 |
| 2.2 DInSAR技术监测地表形变原理 |
| 2.3 时序InSAR技术监测地表形变原理 |
| 2.3.1 PS-InSAR技术 |
| 2.3.2 SBAS-InSAR技术 |
| 2.4 本章小结 |
| 第3章 基于时序InSAR技术的延安地表形变监测 |
| 3.1 研究区概况 |
| 3.1.1 气候条件 |
| 3.1.2 地形地貌 |
| 3.2 数据 |
| 3.2.1 SAR数据 |
| 3.2.2 辅助数据 |
| 3.3 基于SBAS-InSAR技术的延安地表形变监测 |
| 3.3.1 SBAS-InSAR数据处理 |
| 3.3.2 SBAS-InSAR变形监测结果 |
| 3.4 基于PS-InSAR技术的延安地表形变监测 |
| 3.4.1 PS-InSAR数据处理 |
| 3.4.2 PS-InSAR变形监测结果 |
| 3.5 InSAR结果的精度验证 |
| 3.5.1 InSAR地表形变的理论精度 |
| 3.5.2 SBAS-InSAR和 PS-InSAR结果内部符合精度验证 |
| 3.5.3 基于水准数据的外部符合精度验证 |
| 3.6 地表形变的分布和演变特征 |
| 3.6.1 地表形变的空间分布特征 |
| 3.6.2 地表形变的时间演变特征 |
| 3.7 地表形变的影响因素 |
| 3.7.1 人类活动对地表形变的影响 |
| 3.7.2 自然因素对地表形变的影响 |
| 3.8 本章小结 |
| 第4章 基于Kalman滤波的InSAR形变结果平滑和预测 |
| 4.1 Kalman滤波的实现 |
| 4.2 InSAR形变数据处理和分析 |
| 4.3 本章小结 |
| 第5章 结论与展望 |
| 5.1 研究结论 |
| 5.2 研究展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（2）Kalman滤波在GB-InSAR边坡形变监测中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 研究背景及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 GB-InSAR研究现状 |
| 1.3.2 Kalman滤波研究现状 |
| 1.4 研究内容及论文组织结构 |
| 1.4.1 研究内容 |
| 1.4.2 论文组织结构 |
| 2 GB-InSAR基本原理 |
| 2.1 地基合成孔径雷达原理 |
| 2.1.1 距离向分辨率 |
| 2.1.2 方位向分辨率 |
| 2.2 差分干涉测量原理 |
| 2.3 GB-InSAR误差源分析 |
| 2.4 本章小结 |
| 3 Kalman滤波原理 |
| 3.1 标准Kalman滤波原理 |
| 3.1.1 Kalman滤波公式推导 |
| 3.1.2 Kalman滤波流程 |
| 3.2 扩展Kalman滤波 |
| 3.3 自适应Kalman滤波 |
| 3.4 本章小结 |
| 4 改进的多时相GB-InSAR时序处理方法研究 |
| 4.1 改进的GB-InSAR数据时序处理方法 |
| 4.1.1 干涉对组合 |
| 4.1.2 PS点选取 |
| 4.1.3 差分干涉图大气去除 |
| 4.1.4 形变解算 |
| 4.2 河北省迁安市马兰庄铁矿实验分析 |
| 4.3 陕西镇安蓄能水电站实验分析 |
| 4.4 本章小结 |
| 5 基于Kalman滤波的GB-InSAR形变预测方法及实时处理方法研究 |
| 5.1 基于GB-InSAR形变序列预测模型建立 |
| 5.1.1 状态方程建立 |
| 5.1.2 观测方程 |
| 5.1.3 噪声方差估计 |
| 5.2 Sage-Husa自适应Kalman滤波模型 |
| 5.3 基于Kalman滤波的GB-InSAR形变预测实验分析 |
| 5.4 基于Kalman滤波的GB-InSAR数据实时处理方法研究 |
| 5.5 基于Kalman滤波的GB-InSAR数据实时处理实验分析 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 存在问题及展望 |
| 参考文献 |
| 致谢 |
（3）万州区滑坡灾害位移与库水位及降雨响应关系研究（论文提纲范文）
| 作者简历 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题的来源、目的和意义 |
| 1.2 选题的国内外研究现状 |
| 1.2.1 滑坡降雨阈值研究现状 |
| 1.2.2 滑坡变形演化关联规则研究现状 |
| 1.2.3 滑坡位移预测研究现状 |
| 1.2.4 研究现状总结 |
| 1.3 研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.3.3 创新点 |
| 第二章 万州区滑坡灾害孕灾环境及分布规律分析 |
| 2.1 万州区自然地理条件 |
| 2.1.1 地理位置与交通 |
| 2.1.2 气象水文 |
| 2.2 万州区地质环境概况 |
| 2.2.1 地形地貌 |
| 2.2.2 地层岩性 |
| 2.2.3 地质构造 |
| 2.2.4 新构造运动与地震 |
| 2.3 万州区滑坡灾害分布规律 |
| 2.3.1 滑坡灾害分布统计标准 |
| 2.3.2 滑坡灾害时空分布规律 |
| 2.3.3 滑坡灾害特征分布规律 |
| 2.3.4 滑坡灾害危害分布规律 |
| 2.4 本章小结 |
| 第三章 万州区滑坡灾害监测与成果分析 |
| 3.1 引言 |
| 3.2 万州区滑坡灾害监测概况 |
| 3.2.1 滑坡灾害监测概况 |
| 3.2.2 监测布置 |
| 3.3 万州区滑坡灾害监测系统 |
| 3.3.1 滑坡全自动裂缝监测系统 |
| 3.3.2 滑坡全自动地表位移监测系统 |
| 3.3.3 滑坡深部位移监测系统 |
| 3.3.4 地下水位监测系统 |
| 3.3.5 全自动雨量计网络数据传输系统 |
| 3.3.6 其它监测手段及多源数据获取 |
| 3.3.7 万州区典型滑坡灾害监测系统实例 |
| 3.4 万州区滑坡灾害监测数据分析 |
| 3.4.1 万州段三峡水库运行特征时段划分 |
| 3.4.2 典型滑坡灾害地下水位监测数据 |
| 3.4.3 典型滑坡灾害地表位移监测数据 |
| 3.5 万州区滑坡灾害累积位移-时间曲线形态特征 |
| 3.6 本章小结 |
| 第四章 万州区滑坡灾害降雨阈值研究 |
| 4.1 引言 |
| 4.2 万州区滑坡灾害降雨量模型研究 |
| 4.2.1 有效降雨量模型介绍 |
| 4.2.2 有效降雨量模型确定 |
| 4.3 2 日有效降雨量与单日降雨阈值研究 |
| 4.3.1 滑坡位移速率概述 |
| 4.3.2 单日降雨阈值确定 |
| 4.3.3 前期2 日有效降雨阈值确定 |
| 4.4 本章小结 |
| 第五章 万州区典型滑坡灾害变形演化关联规则与诱滑因素阈值研究 |
| 5.1 引言 |
| 5.2 四方碑滑坡 |
| 5.2.1 滑坡基本特征 |
| 5.2.2 滑坡变形特征 |
| 5.2.3 滑坡监测数据分析 |
| 5.3 数据挖掘方法 |
| 5.3.1 K-means聚类法 |
| 5.3.2 两步聚类算法 |
| 5.3.3 Apriori算法 |
| 5.3.4 决策树-C5.0 算法 |
| 5.4 四方碑滑坡变形演化关联规则 |
| 5.4.1 滑坡变形演化关联规则 |
| 5.4.2 滑坡诱滑因素阈值分析 |
| 5.5 本章小结 |
| 第六章 万州区典型滑坡灾害位移预测研究 |
| 6.1 引言 |
| 6.2 方法与案例介绍 |
| 6.2.1 预测方法 |
| 6.2.2 研究案例 |
| 6.3 数据处理 |
| 6.3.1 监测点选择及数据处理 |
| 6.3.2 因子筛选 |
| 6.3.3 数据归一化与逆归一化 |
| 6.3.4 LSTM和 SVR模型超参数 |
| 6.4 结果分析 |
| 6.4.1 LSTM模型与SVR模型 |
| 6.4.2 集成模型 |
| 6.5 模型泛化能力检验 |
| 6.5.1 生基包滑坡 |
| 6.5.2 预测流程 |
| 6.5.3 结果分析 |
| 6.6 本章小结 |
| 6.6.1 模型预测结果讨论 |
| 6.6.2 本章结论 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
（4）基于组合预测模型的监测数据处理方法与应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与选题依据 |
| 1.1.1 研究背景 |
| 1.1.2 选题依据 |
| 1.2 组合预测研究现状 |
| 1.3 主要研究内容 |
| 1.3.1 基于局部误差指标的最小二乘线性组合预测方法 |
| 1.3.2 基于诱导有序加权平均算子的组合预测方法 |
| 1.3.3 基于最小二乘准则的新陈代谢线性组合预测模型 |
| 1.3.4 基于相关系数的新陈代谢组合预测模型 |
| 1.3.5 层次结构下的新陈代谢组合预测模型 |
| 1.4 论文组织结构 |
| 第二章 单项预测模型基本理论与方法 |
| 2.1 灰色GM(1,1)模型 |
| 2.1.1 建模方法 |
| 2.1.2 模型精度检验 |
| 2.2 时间序列模型 |
| 2.2.1 指数平滑法 |
| 2.2.2 ARIMA模型 |
| 2.3 神经网络模型 |
| 2.3.1 BP神经网络 |
| 2.3.2 RBF神经网络 |
| 2.4 支持向量机 |
| 2.5 本章小结 |
| 第三章 组合预测模型基本理论与方法 |
| 3.1 组合预测的基本原理 |
| 3.2 组合预测方法分类 |
| 3.2.1 线性组合与非线性组合 |
| 3.2.2 最优组合和非最优组合 |
| 3.2.3 固定权系数组合和动态权系数组合 |
| 3.3 最优组合预测模型 |
| 3.3.1 最小二乘组合 |
| 3.3.2 最小一乘组合 |
| 3.3.3 最优灰色关联度组合 |
| 3.4 非最优组合预测模型 |
| 3.4.1 等权平均组合 |
| 3.4.2 最小方差法 |
| 3.4.3 优势矩阵法 |
| 3.4.4 熵值法 |
| 3.5 本章小结 |
| 第四章 基于局部误差指标与算子理论的组合预测方法 |
| 4.1 基于误差指标的组合预测模型 |
| 4.1.1 全局误差指标的组合预测原理与缺陷 |
| 4.1.2 基于局部误差指标的组合预测模型 |
| 4.1.3 计算流程 |
| 4.1.4 局部误差指标的最优维数 |
| 4.1.5 实例分析 |
| 4.2 基于算子理论的组合预测方法 |
| 4.2.1 基于IOWA算子的相关性组合模型 |
| 4.2.2 预测方法与改进 |
| 4.2.3 计算流程 |
| 4.2.4 实例分析 |
| 4.3 本章小结 |
| 第五章 新陈代谢组合预测理论与方法 |
| 5.1 单项新陈代谢与新陈代谢组合预测模型 |
| 5.1.1 单项新陈代谢模型 |
| 5.1.2 新陈代谢组合模型 |
| 5.1.3 预测效果评价指标 |
| 5.2 基于最小二乘准则的新陈代谢线性组合预测模型 |
| 5.2.1 组合预测方法与参数估计 |
| 5.2.2 计算流程 |
| 5.2.3 实例分析 |
| 5.3 基于相关系数的新陈代谢组合预测模型 |
| 5.3.1 组合预测方法与参数估计 |
| 5.3.2 技术路线 |
| 5.3.3 实例分析 |
| 5.4 层次结构下的新陈代谢组合预测模型 |
| 5.4.1 基于拟合精度指标的组合预测模型 |
| 5.4.2 基于发展相关性指标的组合预测模型 |
| 5.4.3 熵值法 |
| 5.4.4 层次分析过程 |
| 5.4.5 实例分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 在学期间参与项目和取得的学术成果 |
（5）丽香铁路金沙江特大桥桥位岸坡变形监测信息管理系统应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题的依据及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 边坡变形监测技术 |
| 1.2.2 边坡监测信息管理系统 |
| 1.3 研究目标及内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 研究方法和技术路线 |
| 1.4.1 研究方法 |
| 1.4.2 技术路线 |
| 第2章 金沙江特大桥桥岸边坡监测方案设计 |
| 2.1 监测方案设计原则 |
| 2.2 桥址区工程概况 |
| 2.2.1 地形地貌 |
| 2.2.2 地层岩性 |
| 2.2.3 地质构造 |
| 2.2.4 不良地质现象 |
| 2.2.5 水文地质条件 |
| 2.3 岸坡监测方案设计 |
| 2.3.1 地表位移监测点布设 |
| 2.3.2 地表位移监测技术要求 |
| 2.4 本章小结 |
| 第3章 金沙江特大桥桥岸边坡监测预警判据研究 |
| 3.1 边坡变形预警判据研究现状概述 |
| 3.2 边坡失稳预警判据的适用性缺陷 |
| 3.3 金沙江特大桥桥岸边坡变形预警判据的选取 |
| 3.3.1 临界位移的取值 |
| 3.3.2 临界变形速率及加速度的取值 |
| 3.3.3 临界位移切线角的取值 |
| 3.3.4 临滑阶段宏观变形信息的选取 |
| 3.4 本章小结 |
| 第4章 金沙江特大桥桥岸边坡变形数据算法研究 |
| 4.1 边坡变形数据处理研究概述 |
| 4.2 预处理算法及预测算法的选取 |
| 4.2.1 数据预处理算法 |
| 4.2.2 学习、预测算法 |
| 4.3 桥位岸坡实测数据运用及算法评测 |
| 4.3.1 直线段区域的平滑处理与预测 |
| 4.3.2 曲线段区域的平滑处理与预测 |
| 4.4 本章小节 |
| 第5章 金沙江特大桥桥位岸坡变形监测预警平台研究 |
| 5.1 监测信息预警平台总体设计思路 |
| 5.1.1 需求分析 |
| 5.1.2 设计思想 |
| 5.1.3 可行性分析 |
| 5.2 通讯机制设计 |
| 5.3 数据库设计 |
| 5.3.1 云端数据库 |
| 5.3.2 本地数据库设计 |
| 5.4 客户端程序设计 |
| 5.4.1 用户登录设计 |
| 5.4.2 数据管理 |
| 5.4.3 数据预警分析 |
| 5.4.4 预警报表 |
| 5.4.5 系统用户配置 |
| 5.5 监测预警平台试运行与测试 |
| 5.6 本章小节 |
| 结论与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间的科研成果 |
（6）黄土滑坡多源异构监测数据融合算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要研究内容和组织结构 |
| 第二章 多源数据融合技术概述 |
| 2.1 多源数据融合的定义 |
| 2.2 多源数据融合的基本概念 |
| 2.2.1 多源数据融合的基本原理 |
| 2.2.2 多源数据融合的时间性与空间性 |
| 2.3 多源数据融合的结构 |
| 2.3.1 集中式融合结构 |
| 2.3.2 分布式融合结构 |
| 2.3.3 混合式融合结构 |
| 2.4 多源数据融合的级别 |
| 2.4.1 数据级融合 |
| 2.4.2 特征级融合 |
| 2.4.3 决策级融合 |
| 2.5 多源数据融合存在的问题及研究方向 |
| 2.5.1 多源数据融合存在的问题 |
| 2.5.2 多源数据融合的研究方向 |
| 2.6 本章小结 |
| 第三章 滑坡监测中常用的无线传感器及其特点 |
| 3.1 常用的无线传感器滑坡监测技术 |
| 3.1.1 GNSS实时监测 |
| 3.1.2 位移计实时监测 |
| 3.1.3 雨量计实时监测 |
| 3.1.4 土壤湿度计实时监测 |
| 3.1.5 渗压计实时监测 |
| 3.2 滑坡监测技术无线通信传输方法 |
| 3.2.1 GPRS技术 |
| 3.2.2 LoRa技术 |
| 3.2.3 扩频通信 |
| 3.2.4 卫星通信 |
| 3.2.5 短波通信 |
| 3.3 BD-LX10型号位移计数据解码方法 |
| 3.3.1 数据解码 |
| 3.3.2 解码数据正确性验证 |
| 3.3.3 工程应用及分析 |
| 3.4 本章小结 |
| 第四章 滑坡监测多源异构数据预处理方法研究 |
| 4.1 异常数据处理方法 |
| 4.1.1 异常数据的常用剔除方法 |
| 4.1.2 异常数据的剔除实例分析 |
| 4.2 缺失数据处理方法 |
| 4.2.1 缺失数据的补全方法 |
| 4.2.2 缺失数据的补全实例分析 |
| 4.3 数据的平滑处理 |
| 4.3.1 数据平滑处理方法 |
| 4.3.2 数据平滑处理实例分析 |
| 4.4 数据标准化处理 |
| 4.4.1 数据标准化处理方法 |
| 4.4.2 数据标准化处理实例分析 |
| 4.5 本章小结 |
| 第五章 滑坡监测多源异构数据融合方法 |
| 5.1 多源异构监测数据融合方法 |
| 5.1.1 主成分分析法 |
| 5.1.2 逐步回归法 |
| 5.1.3 BP神经网络模型 |
| 5.1.4 卡尔曼滤波算法 |
| 5.2 基于主成分-逐步回归分析的多源异构监测数据融合算法 |
| 5.2.1 数据来源 |
| 5.2.2 主成分分析 |
| 5.2.3 主成分-逐步回归分析 |
| 5.2.4 模型精细分析 |
| 5.3 基于BP神经网络的多源异构监测数据融合算法 |
| 5.3.1 数据来源 |
| 5.3.2 模型建立 |
| 5.3.3 模型实现 |
| 5.4 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（7）滑坡实时监测预警系统关键技术及其应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 前言 |
| 1.1 选题依据及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 滑坡监测预警模型研究 |
| 1.2.2 滑坡位移监测数据处理方法研究 |
| 1.2.3 数据质量评价方法研究 |
| 1.2.4 滑坡监测预警系统研究 |
| 1.2.5 混合架构在监测预警领域中的应用研究 |
| 1.3 主要存在的问题 |
| 1.4 主要研究内容 |
| 1.4.1 滑坡监测预警方法研究 |
| 1.4.2 滑坡监测预警系统关键技术研究 |
| 1.4.3 基于WebGL技术的三维数字地球的研究 |
| 1.4.4 混合架构体系的滑坡监测预警系统研究 |
| 1.5 研究路线 |
| 1.6 本论文特色及创新点 |
| 1.7 完成的主要工作 |
| 第2章 基于变形演化过程的滑坡预警技术 |
| 2.1 概述 |
| 2.2 滑坡变形演化过程的一般特征 |
| 2.3 基于变形过程的滑坡预警模型 |
| 2.4 滑坡变形演化阶段自动识别 |
| 2.4.1 改进切线角自动求解方法 |
| 2.4.1.1 改进切线角模型 |
| 2.4.1.2 离散小波变换提取曲线特征 |
| 2.4.2 常见监测曲线类型与识别 |
| 2.4.2.1 平稳型(T11) |
| 2.4.2.2 稳定型(T21) |
| 2.4.2.3 震荡型(T22) |
| 2.4.2.4 递增型(T31) |
| 2.4.2.5 指数型(T32) |
| 2.4.2.6 突变型(T33) |
| 2.5 多设备联动预警机制 |
| 2.5.1 监测设备分组 |
| 2.5.2 监测设备可靠度动态评价体系TRIP |
| 2.5.3 预警结论可信度 |
| 2.5.4 联动预警案例分析 |
| 2.6 本章小结 |
| 第3章 滑坡监测数据自动处理方法 |
| 3.1 异常数据自动处理 |
| 3.1.1 监测数据过滤器 |
| 3.1.2 异常数据处理方法 |
| 3.1.2.1 粗差数据的处理 |
| 3.1.2.2 雨量监测数据常见问题 |
| 3.2 监测数据的拟合处理 |
| 3.2.1 移动平均法 |
| 3.2.2 最小二乘法 |
| 3.3 数据处理方法适用范围研究 |
| 3.3.1 数据消噪处理 |
| 3.3.2 仪器误差处理 |
| 3.3.3 滑坡失稳阶段的数据处理 |
| 3.4 监测数据等时间间隔处理 |
| 3.4.1 状态量数据 |
| 3.4.2 累积量数据 |
| 3.5 本章小结 |
| 第4章 滑坡监测数据实时集成与共享技术 |
| 4.1 高可靠数据集成与共享技术 |
| 4.1.1 高级消息队列协议(AMQP) |
| 4.1.2 消息队列遥测传输(MQTT) |
| 4.1.3 高并发下的高可靠数据分发与共享 |
| 4.2 基于MQTT协议的多源异构监测数据实时集成技术 |
| 4.2.1 两种数据集成技术 |
| 4.2.1.1 基于ETL模式的批处理集成 |
| 4.2.1.2 基于MQTT协议的流处理集成 |
| 4.2.2 基于MQTT协议的数据集成体系 |
| 4.2.2.1 数据流模型 |
| 4.2.2.2 负载均衡中的会话保持 |
| 4.3 海量数据存取优化方案 |
| 4.3.1 分词技术 |
| 4.3.2 倒排索引 |
| 4.3.3 海量数据存取优化方案 |
| 4.4 本章小结 |
| 第5章 基于策略的滑坡实时过程预警技术 |
| 5.1 基于策略的预警模型计算框架 |
| 5.1.1 预警计算流程 |
| 5.1.2 预警模型管理 |
| 5.1.3 通用模型计算框架研究 |
| 5.1.4 预警等级求解器的设计与实现 |
| 5.1.4.1 求解器计算流程 |
| 5.1.4.2 多线程预警技术 |
| 5.1.5 过程预警成果展示 |
| 5.2 预警的发布与解除 |
| 5.2.1 预警信息自动发布技术 |
| 5.2.2 预警信息发送规则 |
| 5.2.3 预警信息解除 |
| 5.3 本章小结 |
| 第6章 滑坡综合数据一体化管理技术 |
| 6.1 滑坡空间数据集成体系研究 |
| 6.1.1 多源异构空间数据预处理 |
| 6.1.2 空间数据库的选择 |
| 6.1.3 空间数据服务平台 |
| 6.1.4 空间数据集成体系 |
| 6.2 基于WebGL技术的三维数字地球 |
| 6.2.1 WebGL技术 |
| 6.2.2 三维平台的选择 |
| 6.2.3 三维模型高精度集成技术 |
| 6.2.4 三维数字地球应用效果 |
| 6.3 基于国标的视频设备集成体系 |
| 6.3.1 数据传输协议 |
| 6.3.2 视频监控统一管理平台 |
| 6.3.2.1 平台架构设计 |
| 6.3.2.2 视频设备编码规则 |
| 6.3.2.3 统一视频平台的开发与应用 |
| 6.4 天-空-地一体化数据管理体系 |
| 6.4.1 空间数据 |
| 6.4.2 属性数据 |
| 6.4.3 非结构化数据 |
| 6.4.4 一体化数据管理平台 |
| 6.5 本章小结 |
| 第7章 基于混合架构体系的滑坡实时监测预警系统 |
| 7.1 概述 |
| 7.2 需求分析 |
| 7.3 系统功能架构设计 |
| 7.4 数据结构体系 |
| 7.5 云服务基础平台设计 |
| 7.5.1 SOA与 JWT |
| 7.5.2 系统架构 |
| 7.6 混合架构体系 |
| 7.6.1 B/S架构网页端 |
| 7.6.1.1 系统演示主界面 |
| 7.6.1.2 天-空-地一体化数据管理 |
| 7.6.1.3 监测数据分析 |
| 7.6.1.4 滑坡过程预警分析 |
| 7.6.2 C/S架构客户端 |
| 7.6.2.1 演示模式 |
| 7.6.2.2 空间数据管理 |
| 7.6.2.3 监测预警信息管理 |
| 7.6.2.4 后台服务监控 |
| 7.6.3 移动端App |
| 7.6.3.1 概述 |
| 7.6.3.2 功能架构设计 |
| 7.6.3.3 移动端开发相关技术 |
| 7.6.3.4 主要功能 |
| 7.7 本章小结 |
| 第8章 系统应用案例 |
| 8.1 预警案例 |
| 8.2 预警流程时间因素分析 |
| 8.3 黑方台滑坡监测预警 |
| 8.3.1 概述 |
| 8.3.2 党川7号滑坡预警过程 |
| 8.4 兴义龙井村9组岩质滑坡监测预警 |
| 8.4.1 概述 |
| 8.4.2 监测点布置 |
| 8.4.3 系统应用 |
| 8.5 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
| 附录 |
| A.1 全文公式索引 |
| A.2 全文图索引 |
| A.3 全文表索引 |
（8）基于自适应卡尔曼滤波的开采沉陷地表移动变形数据处理及预报研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 开采沉陷监测技术现状 |
| 1.3 卡尔曼滤波应用现状 |
| 1.4 研究意义 |
| 1.5 变形监测技术发展现状 |
| 1.5.1 变形监测模式 |
| 1.5.2 变形监测相关技术 |
| 1.5.3 变形监测相关数据处理方法 |
| 1.6 本文主要研究内容与技术路线 |
| 1.6.1 主要研究内容 |
| 1.6.2 主要技术路线 |
| 2 地表移动观测站概况 |
| 2.1 地表移动观测站设计概况 |
| 2.1.1 交通位置与自然地理条件 |
| 2.1.2 朱集东矿地质采矿条件简介 |
| 2.1.3 1222 (1)工作面地质采矿条件简介 |
| 2.1.4 监测站设计 |
| 2.2 自动化监测系统监测网布设概况 |
| 2.2.1 自动化监测系统监测网布设 |
| 2.2.2 基准站网的布设 |
| 2.2.3 自动化监测系统简介 |
| 2.3 连接测量及数据处理与质量评价 |
| 2.3.1 平面连接测量与平面数据处理及质量评价 |
| 2.3.2 高程连接测量 |
| 2.4 本章小结 |
| 3 卡尔曼滤波模型理论基础 |
| 3.1 经典卡尔曼滤波模型基础 |
| 3.1.1 连续线性系统的卡尔曼滤波 |
| 3.1.2 离散线性系统的卡尔曼滤波 |
| 3.1.3 动态测量系统的卡尔曼滤波 |
| 3.2 自适应卡尔曼滤波模型基础 |
| 3.2.1 极大验后自适应卡尔曼滤波 |
| 3.2.2 方差分量自适应卡尔曼滤波 |
| 3.2.3 方差补偿自适应卡尔曼滤波 |
| 3.3 自适应卡尔曼滤波程序设计与实现 |
| 3.3.1 极大验后自适应卡尔曼滤波程序设计 |
| 3.3.2 方差分量自适应卡尔曼滤波程序设计 |
| 3.3.3 方差补偿自适应卡尔曼滤波程序设计 |
| 3.3.4 自适应卡尔曼滤波程序实现 |
| 3.4 本章小结 |
| 4 自适应卡尔曼滤波在地表移动变形监测中的应用分析 |
| 4.1 矿区地表移动变形监测中的应用分析 |
| 4.1.1 滤波模型及滤波初值的确定 |
| 4.1.2 滤波数据处理及精度分析 |
| 4.2 GNSS CORS地表移动变形自动化监测系统坐标序列预报分析 |
| 4.2.1 滤波模型以及滤波初值的确定 |
| 4.2.2 滤波预报及预报精度分析 |
| 4.3 改善单基站CORS RTK测量精度的自适应滤波分析 |
| 4.3.1 滤波模型及滤波初值的确定 |
| 4.3.2 滤波数据处理及精度分析 |
| 4.4 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介及读研期间主要科研成果 |
（9）复杂工况下GBSAR高边坡形变监测研究与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 边坡变形监测现状 |
| 1.2.2 地基SAR变形监测研究现状 |
| 1.3 论文主要研究内容及论文结构 |
| 1.3.1 主要研究内容 |
| 1.3.2 论文结构 |
| 第二章 FastGBSAR系统精度测试与硐室高边坡变形影响因子分析 |
| 2.1 FastGBSAR系统测量原理 |
| 2.1.1 调频连续波技术(FMCW) |
| 2.1.2 合成孔径雷达技术 |
| 2.1.3 干涉测量技术 |
| 2.1.4 聚焦 |
| 2.2 FastGBSAR系统精度检验 |
| 2.2.1 Fast GBSAR系统月湖桥监测实验 |
| 2.2.2 FastGBSAR系统与测量机器人精度对比 |
| 2.3 硐室开挖对高边坡的影响因子分析 |
| 2.4 本章小结 |
| 第三章 硐室开挖前地基SAR高边坡变形监测与误差探测 |
| 3.1 地下硐室高边坡工程概况 |
| 3.1.1 工程地质条件分析 |
| 3.1.2 测站选址及角反射器安放 |
| 3.2 硐室开挖前边坡变形监测 |
| 3.2.1 数据处理 |
| 3.2.2 误差来源分析 |
| 3.3 地基SAR数据粗差探测对比实验 |
| 3.3.1 抗差最小二乘原理 |
| 3.3.2 基于绝对和极小法的地基SAR数据粗差探测 |
| 3.3.3 基于Tukey双权法的地基SAR数据粗差探测 |
| 3.3.4 对比分析 |
| 3.4 基于半参数样条的地基SAR数据去噪处理与分析 |
| 3.4.1 半参数样条原理 |
| 3.4.2 基于半参数样条的地基SAR数据去噪处理 |
| 3.5 本章小结 |
| 第四章 硐室开挖高边坡稳定性评估与支护建议 |
| 4.1 高边坡坡脚打桩变形监测 |
| 4.1.1 数据处理 |
| 4.1.2 高边坡数据平差处理 |
| 4.1.3 高边坡数据分析 |
| 4.2 高边坡稳定性评估 |
| 4.2.1 地基SAR数据与全站仪数据对比分析 |
| 4.2.2 水准仪数据分析 |
| 4.2.3 裂缝数据分析 |
| 4.3 硐室开挖安全支护建议 |
| 4.4 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士期间发表的学术论文 |
| 致谢 |
（10）南宁华润中心施工过程结构变形监测研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 国内外研究现状 |
| 1.3 常用的变形分析方法 |
| 1.4 本文主要研究内容 |
| 第二章 南宁华润中心结构位移监测方案 |
| 2.1 引言 |
| 2.2 工程概况 |
| 2.3 监测点布置与监测仪器 |
| 2.3.1 塔楼变形监测位置 |
| 2.3.2 监测仪器 |
| 2.4 结构位移监测实施方案 |
| 2.4.1 主体结构变形监测应考虑的因素 |
| 2.4.2 监测控制网的建立 |
| 2.4.3 监测方案实施策略 |
| 2.5 本章小节 |
| 第三章 南宁华润中心结构位移施工模拟分析 |
| 3.1 引言 |
| 3.2 南宁华润中心有限元模型的建立 |
| 3.3 结构竖向位移分析 |
| 3.3.1 核心筒与外框柱竖向位移 |
| 3.3.2 核心筒与外框柱竖向位移差 |
| 3.4 结构水平位移分析 |
| 3.4.1 核心筒与外框柱水平位移 |
| 3.4.2 不同收缩徐变模式对水平位移分析的影响 |
| 3.5 施工模拟结果与实测数据对比分析 |
| 3.6 本章小节 |
| 第四章 小波-自适应卡尔曼滤波模型研究 |
| 4.1 引言 |
| 4.2 小波变换 |
| 4.2.1 小波变换概述 |
| 4.2.2 连续小波变换 |
| 4.2.3 离散小波变换 |
| 4.3 小波阈值去噪 |
| 4.3.1 小波阈值去噪原理 |
| 4.3.2 小波阈值去噪方式 |
| 4.3.3 小波去噪效果评价 |
| 4.4 卡尔曼滤波方法 |
| 4.4.1 离散线性系统的卡尔曼滤波 |
| 4.4.2 自适应卡尔曼滤波 |
| 4.5 小波自适应卡尔曼滤波模型的建立 |
| 4.5.1 小波函数的选取 |
| 4.5.2 阈值的确定 |
| 4.5.3 动态测量系统的卡尔曼滤波模型 |
| 4.5.4 卡尔曼滤波初值的确定 |
| 4.5.5 基于MATLAB的小波-自适应卡尔曼滤波程序实现 |
| 4.6 本章小节 |
| 第五章 南宁华润中心监测数据滤波及预测分析 |
| 5.1 引言 |
| 5.2 监测数据小波去噪 |
| 5.2.1 选择合适的阈值 |
| 5.2.2 scal选取方式的比较 |
| 5.2.3 确定最优小波基函数 |
| 5.2.4 确定小波分解层次 |
| 5.3 监测数据滤波分析 |
| 5.3.1 小波去噪与自适应卡尔曼滤波效果比较 |
| 5.3.2 小波-自适应卡尔曼滤波模型滤波效果分析 |
| 5.4 小波-自适应卡尔曼滤波模型预测效果分析 |
| 5.5 本章小节 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
四、Kalman最优平滑器在滑坡位移监测数据处理中的应用（论文参考文献）
- [1]基于时序InSAR技术的湿陷性黄土地区地表形变监测研究[D]. 贾春庭. 吉林大学, 2021(01)
- [2]Kalman滤波在GB-InSAR边坡形变监测中的应用[D]. 杜家宽. 中国地质大学(北京), 2021
- [3]万州区滑坡灾害位移与库水位及降雨响应关系研究[D]. 蒋宏伟. 中国地质大学, 2021(02)
- [4]基于组合预测模型的监测数据处理方法与应用[D]. 党升. 重庆交通大学, 2021
- [5]丽香铁路金沙江特大桥桥位岸坡变形监测信息管理系统应用研究[D]. 姜永杰. 西南交通大学, 2020(07)
- [6]黄土滑坡多源异构监测数据融合算法研究[D]. 王智伟. 长安大学, 2020(06)
- [7]滑坡实时监测预警系统关键技术及其应用研究[D]. 何朝阳. 成都理工大学, 2020(04)
- [8]基于自适应卡尔曼滤波的开采沉陷地表移动变形数据处理及预报研究[D]. 陈长坤. 安徽理工大学, 2019(01)
- [9]复杂工况下GBSAR高边坡形变监测研究与应用[D]. 童爱霞. 湖南科技大学, 2019(06)
- [10]南宁华润中心施工过程结构变形监测研究[D]. 陈节作. 广州大学, 2019(01)