LMD方法变形监测数据粗差探测与修复

针对变形监测数据中粗差探测与修复问题,提出一种基于局部均值分解(LMD)的粗差探测方法,并结合三次样条插值方法对粗差点进行修复.通过LMD方法对变形序列进行分解得到其PF分量,根据高频分量的奇异点确定可疑粗差点,将分解分量去除高频分量进行重构,利用数学检验方法确定粗差点位置.剔除粗差点后,采用三次样条插值方法进行修复粗差点.研究结果表明:局部均值分解方法在变形监测数据处理中的粗差探测效果明显,三次样条插值修复也基本准确,为大坝变形多尺度分析奠定了较好的基础.

大坝变形多尺度分析ELMD-LSSVM预测模型

针对局部均值分解LMD实现过程中存在的模式混淆现象,利用局部均值分解的原理,提出一种结合总体局部均值分解(ELMD)与最小二乘支持向量机(LSSVM)方法的多尺度大坝变形预测模型.利用ELMD方法对大坝变形序列进行分解,得到其PF分量,利用最小二乘支持向量机进行外推预测,再把各PF分量的预测结果进行叠加重构,得到大坝变形预测值.通过实例验证分析,比较多元回归分析、LSSVM和ELMD-LSSVM三种模型在大坝变形监测数据处理中的拟合和预测结果.研究结果表明:ELMD-LSSVM方法能够减弱模态混叠现象的影响,充分发掘数据本身所蕴含的物理机制和物理规律,为大坝变形多尺度预测分析奠定较好的基础.

基于位置信息的典型行为分析和定位精度探讨

基于卫星定位和移动定位两种不同定位技术,对密集人群的城市即香港进行追踪患者的位置信息试验,在数据分类的基础上,计算并分析了在静态和动态定位情况下,其两种方法的定位精度,得到了相应的精度与概率的关系。通过位置信息,结合计步器的记录情况,对糖尿病患者的行为进行了推测,不同年龄、性别的糖尿病患者表现出不同的行为特征,并可分析和推断出患者的健康状况和相应的医疗指数。

3种变换方法的定向结果的比较分析

主要基于SteroM aker软件,对3种变换方法,分别为仿射变换,保角变换和射影变换、使用不同的方法来进行内部定向、外部定向和相对定向,得到了相应的计算结果,对计算结果进行比较分析,其保角变换能获得更为准确的结果,可导致外部定向的均方差最小。

位置定位信息的修正方法及其比对分析

受信号强度等因素影响,移动定位技术进行位置信息获取的方法精度受限制,需对位置定位信息进行进一步修正。目前位置定位信息修正方法主要有坐标变换法和垂直法,以香港地铁线路上的移动定位信息为实例数据,分别采用坐标变换法和垂直法进行定位结果修正探讨分析;得到了一些合理的建议,为移动定位技术提供参考。

顾及邻近点变形因素的高斯过程建模及预测

针对传统的变形监测建模方法一般针对单一监测点的变形预测模型,未考虑到监测点间相互作用的变形特点,该文分析了变形监测点间的相互关联性,通过相关系数法对监测点进行分类,并将邻近监测点的观测序列值作为和时间因素等同的影响因子应用到建模过程中,利用高斯过程算法进行训练,建立预测模型。为提高高斯过程算法的模型预测精度,应选择适合工程案例最优协方差函数。通过实例分析,比较GM(1,1)、多点灰色预测模型和顾及邻近点变形因素的高斯过程等3种模型在基坑围岩、滑坡等变形监测数据处理中的预测精度,表明该文算法考虑到监测点间的变形关联性,充分利用高斯过程在针对小样本、非线性数据建模时的高自适应性等优点,具有较高的预测精度。