高铁沉降监测网点稳定性判断指标研究

提出了高铁沉降监测起算基准点稳定性判断指标,根据误差传播理论提出指标,给出了如何根据基准点稳定性判断指标确定稳定的基准网平差起算点方法,并通过武咸城际铁路基准网复测数据进行了计算分析验证。

加权灰色线性回归组合模型在高铁隧道沉降监测中的应用

近年来,相关的研究与实践表明,变形监测的数据处理方法比较成熟,如回归模型、卡尔曼滤波模型、灰色模型、时间序列模型以及人工神经网络模型等各种模型,均经过了各种检验,而且有效地应用在变形监测技术中。然而单一的模型预测有其自身的局限性,因此,预测模型需要采用组合优化模型弥补单一模型的缺陷。本文主要阐述了加权灰色线性回归组合模型在高铁隧道沉降预测中的应用,通过与传统的GM(1,1)模型以及灰色线性回归组合模型进行对比。实验结果表明,加权灰色线性回归组合模型具有较高的预测精度。

一种改进预测模型在高铁变形分析中的应用

在高铁变形分析中,为了解决经典卡尔曼滤波消除随机误差干扰能力较弱,以及GM(1,1)和AR等单一变形监测预测模型难以满足工程分析需求等问题,提出了一种基于方差补偿自适应卡尔曼滤波的GM-AR模型。首先采用方差补偿自适应卡尔曼滤波算法,对原始观测数据进行消噪处理,去除其中的误差干扰项,获得变形体实际有效的变形量;然后采用GM(1,1)和AR时序模型,对原始监测数据中普遍存在的趋势项和随机项进行建模组合,以此来预测变形体的变形趋势。工程实例表明:方差补偿自适应卡尔曼滤波的信噪比与均方差为经典卡尔曼滤波的136.7%和94.6%,故更符合实测值;相较于单一的GM(1,1)模型和GM(1,1)-AR模型,基于方差补偿自适应卡尔曼滤波的GM-AR模型预测值变化曲线更接近实测值变化曲线,且平均残差、平均绝对误差、残差方差分别为GM(1,1)模型和GM(1,1)-AR模型的6.4%、6.0%、0.5%、17.6%、13.1%、2.1%,预测结果更加精确。

融合PSI与水准测量的高铁结构体沉降监测方法

结合目前我国高速铁路运营沉降监测的特点,建立了基于永久散射体干涉测量(PSI)与精密水准技术融合的模型,通过实验分析了PSI技术与精密水准技术结合应用于高速铁路沉降监测的精度。结果表明,融合PSI与精密水准技术进行高铁沉降监测是可行的。