Bayes融合理论在库区滑坡动态变形监测中的应用研究

滑坡体的工程地质特性及其时效,可由传感器采集到的滑坡体动态监测数据从一个侧面反映出来,而在多个传感器融合的过程中,常常出现各个评价指标不一致的现象。为消除这种现象,采用基于Bayes理论的决策级融合方法,将其应用于西南某滑坡动态变形的监测分析。经分析知:该滑坡先后经历了缓慢变形期、匀速变形期、加速变形期和急剧变形期。表明该滑坡具有阶段性变化的特点,符合滑坡变形的一般自然规律。同时证明了该方法在滑坡动态变形监测与分析中的有效性和可行性。

基于Kalman滤波融合算法的库区滑坡动态变形监测综合信息提取

为了消除和减小滑坡变形多点监测中的误差,正确评价滑坡体的工程地质特性及其时效性,采用基于Kalman滤波的决策级融合方法对西南某滑坡变形进行动态分析。在融合监测年间的水平位移和垂直位移数据的基础上,综合判断滑坡体的依时性工程特性。融合结果表明该滑坡体先后经历缓慢变形期、匀速变形期、加速变形期和急剧变形期,表明该滑坡体具有阶段性变化的特点,且降雨入渗是诱发该滑坡发生位移变形的主要因素,结果符合滑坡体变形特征的自然规律。同时修正了传统方法不考虑传感器自身因素的局限性,合理利用融合方法的互补性,消除了部分传感器采集数据的模糊性、不确定性和随机性,证明该方法在滑坡动态变形监测与分析中具有有效性和可行性。