CN107831516B - 融合gnss和地面监测网获取大坝实时高精度位移的方法 - Google Patents
融合gnss和地面监测网获取大坝实时高精度位移的方法 Download PDFInfo
- Publication number
- CN107831516B CN107831516B CN201711047791.3A CN201711047791A CN107831516B CN 107831516 B CN107831516 B CN 107831516B CN 201711047791 A CN201711047791 A CN 201711047791A CN 107831516 B CN107831516 B CN 107831516B
- Authority
- CN
- China
- Prior art keywords
- displacement
- database
- dam
- time
- monitoring network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种融合GNSS和地面监测网获取大坝实时高精度位移的方法,包括以下步骤,S1:建立地面监测网和卫星监测网;S2:将变形数据库和位移卫星数据库转化为相对于同一参考系下同一初始状态的位移;S3:对数据采集间隔时间较长的大坝表面的变形数据库进行插值,得到与大坝位移卫星数据库同步的位移数据库;S4:插值扩充后的位移数据库经降噪处理后,结合自适应加权平均法与小波降噪处理后的卫星数据库进行数据融合;S5:计算、比较并记录数据精度,根据数据精度优选小波基,得到S4中对应的融合位移序列。本发明结合自适应加权平均法对两组降噪后的数据库进行融合计算,融合后得到的数据库序列具有实时、光滑、连续、高精度、可靠的特点。
Description
技术领域
本发明涉及融合GNSS和地面监测网获取大坝实时高精度位移的方法,属于大坝安全监测领域。
背景技术
现有大坝表面变形地面监测网常用视准线法、引张线法、激光准直法和垂线法等方式观测,其人工读数仪器和相应的自动化仪器在对坝体位移进行监控时,具备测量精度高的特点,在水平向与垂直向精度均至少达到0.1mm。但是一方面该类监测仪器失效率较高,另一方面监测频率低,人工测量频率为一个月一次左右,自动化监测频率虽不受限制,但由于其相对标准偏差较大、其失效率限制了其测量间隔时间不宜过短,所以现有地面监测网不具备对大坝位移情况进行可靠、实时监控的特点,而数据采集间隔较长,可能漏测一些重要数据。
近年来全球导航卫星系统(GNSS,Global Navigation Satellite System)发展迅速,因其具有失效率较低、数据采集间隔时间较短的优势(卫星监测频率至少可达到2h/次),基于全球定位系统(GPS,Global Positioning System)的大坝位移控制网相继应用于西龙池水库、小湾电站等水库大坝,基于卫星监测网对大坝位移进行实时监控。基于GPS对大坝位移进行监测虽有实时、自动化、准确性高等特点,但由于美国政府的GPS政策,使得未经美国政府授权的一般测量用户在接收GPS信号时其测量精度或多或少会受到影响;我国1994年启动北斗卫星导航试验系统(BDS,BeiDou Navigation Satellite System)建设,北斗卫星系统发展成熟时其静态测量精度可以达到大坝位移监控的要求。但是值得关注的是,不管是BDS或是GPS,其静态定位在水平测量上精度至多1mm、垂直测量上精度至多2mm,可以看出其精度远不及现有的大坝表面变形地面监测网。
为了实现对大坝变形情况的实时监测,掌握大坝在上游水压力、温度、时效等作用下的实时位移,且及早、准确发现大坝位移的异常现象,需要对大坝位移进行采集频率优于1天/次的监测。对于现有大坝表面变形地面监测网而言,目前尚未公开将基于GNSS的定位数据库与大坝表面变形地面监测网数据库相融合的研究成果,而融合后的数据库可将两类监测方法获取的信息所具备的优势进行互补,达到数据点分布密集、测量精度较高的特点,因此迫切需要一种方法将两类优势互补的监测方法进行有效融合。
发明内容
发明目的:为了克服现有技术中存在的不足,本发明提供一种融合GNSS和地面监测网获取大坝实时高精度位移的方法,通过将测量结果转化到同一坐标系下,对采集间隔较长的大坝表面变形地面监测网数据库进行插值而得到与卫星监测信息同步的数据库,再分别对两组采集频率相同的数据库进行降噪处理,对降噪后的数据库进行整理与融合计算,实现大坝位移值实时、光滑、连续、高精度、可靠的特点。
技术方案:为实现上述目的,本发明的融合GNSS和地面监测网获取大坝实时高精度位移的方法,针对大坝在横河向、顺河向、竖直向的不同精度等级、不同监测频率、不同失效率的两组测量数据库,即大坝表面变形地面监测网获取的数据库(大坝表面变形数据库)和基于GNSS的大坝位移卫星监测网获取的数据库(大坝位移卫星数据库),实现两类监测方法对大坝三向位移上的数据融合,包括以下步骤:
S1:建立大坝表面变形地面监测网,以及建立基于GNSS的大坝位移卫星监测网;
S2:将大坝表面变形数据库和大坝位移卫星数据库,按横河向、顺河向、竖直向分类,并均转化为相对于同一参考系下同一初始状态的位移,分别为第一变形数据库和第一卫星数据库;
S3:对数据采集间隔时间较长的大坝表面的第一变形数据库进行插值,得到与大坝位移卫星数据库同步的第一位移数据库;
S4:插值扩充后的大坝表面的第一位移数据库经降噪处理后,结合自适应加权平均法与小波降噪处理后的第一卫星数据库进行数据融合;
S5:计算、比较并记录第一位移数据库降噪后的数据精度、第四位移数据库的数据精度,根据数据精度优选小波基,得到S4中对应的融合位移序列。
作为优选,所述步骤S1具体为:以大坝表面变形地面监测网中的观测点为圆心,半径内布置GNSS监测点;大坝表面变形地面监测网的资料采集时间选择在GNSS获取坐标数据的时间点。
作为优选,所述步骤S2具体为:两种方法获取的测量点坐标需转换到相同参考坐标系;并以大坝在某一初始状态、同一坐标系中的测点坐标作为初始基准点来计算实时位移量,再将实时位移量在横河向、顺河向、竖直向方向上分解得到大坝测点的实时三向位移值。
作为优选,所述步骤S3中插值方法具体为:选择相邻四个测点数据进行分段三次插值多项式逼近;即若要对时间区间{tk,tk+1}内的某一测点在某一方向上的测点信息(如顺河向位移值)进行插值,其中ti,i=1,2,...,n为该测点第i个观测数据的采集时刻距初始时刻的时长,单位为小时,且t1=0,则选择时间点tk-1,tk,tk+1,tk+2及其对应的测点数据yk-1,yk,yk+1,yk+2构造三次插值多项式,其中yi为ti时刻该测点在该方向的测点信息(如前所述,顺河向位移值),且yi为经历步骤S2转化后的位移值;依次对大坝表面变形数据库各时间区间的位移信息用与其对应的分段插值多项式插值拟合得到与大坝位移卫星数据库频率相同的大坝表面变形监测网扩充数据库,将其称为第一位移数据库。
作为优选,所述步骤S4具体为:对第一位移数据库采用改进阈值的脉冲耦合神经网络法进行降噪,得到第二位移数据库;对大坝位移卫星数据库进行基于不同小波基的小波降噪法处理,得到第三位移数据库;对第二位移数据库与第三位移数据库采用自适应加权平均法进行数据融合,得到第四位移数据库。
作为优选,所述步骤S5具体为:分别计算第二位移数据库、第三位移数据库的均方根误差和信噪比,计算第四位移数据库的融合均值,用以评价蒙特卡洛统计精度,以此优选出符合此数据库的小波基,得到S4中对应的融合位移序列。所述优选小波基,均方根误差越小、同时信噪比越大说明降噪效果越好,融合均值越低,说明蒙特卡洛统计精度越高,以此判断选择的小波基是否合适。
作为优选,所述的改进阈值的脉冲耦合神经网络法具体方法为:
Fij[n]=Sij
其中,对阈值θ进行改进下,Fij表示每个神经元的反馈输入,Sij表示来自外部的刺激输入,Yij表示神经元的点火输出,矩阵T表示神经元的点火时间,矩阵B表示神经元是否点过火。
作为优选,所述步骤S2中同一参考系为WGS84坐标系。
在本发明中,所述GNSS原始数据至少兼容北斗卫星系统BDS和全球定位系统GPS双系统,包括GNSS卫星导航星历和原始观测数据;大坝表面变形地面监测网采用高精度位移测量仪,如引张线仪、垂线仪、激光准直仪等。大坝某一初始状态一般以监测仪器安装完成后正常使用时的大坝状态为初始状态,所述的同一坐标系一般指WGS84坐标系。
有益效果:与已有技术相比,本发明具有以下优点:
1、将两种不同监测网的监测信息转化到同一参考系和坐标系下,有利于对不同源信息进行统一处理。
2、分段多项式插值将监测频率较低的大坝表面变形数据库进行扩充,即保证了原始数据的有效信息,又使扩充后数据序列具备连续、光滑的特点。
3、优选小波基的小波降噪法和改进阈值的脉冲耦合神经网络法分别将数据库中的粗差进行剔除,减少噪声对监测信息的影响。
4、结合自适应加权平均法对两组降噪后的数据库进行融合计算,融合后得到的数据库序列具有实时、光滑、连续、高精度、可靠的特点。
附图说明
图1为本发明之数据融合流程图;
图2位本发明之优选小波基流程图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
实施例:本发明公开的融合GNSS和地面监测网获取大坝实时高精度位移的方法,针对大坝在横河向、顺河向、竖直向的不同精度等级、不同监测频率、不同失效率的两组监测数据,即大坝表面变形数据库和大坝位移卫星数据库,实现两类监测方法在大坝三向实时位移上的数据融合。如图1所示,该流程具体体现为:
S1:建立大坝表面变形地面监测网,具体采用引张线法、垂线法、激光准直法、或精密水准法等方法,以及建立基于GNSS的大坝位移卫星监测网;其中GNSS监测点应尽量布置在大坝表面变形地面监测网中的监测点附近,大坝表面变形地面监测网的信息采集时间尽量选择在基于GNSS的大坝位移卫星监测网获取基站数据的时间点。
本实施例中,兼容BDS/GPS的双系统卫星解算基站数据信息的时间间隔为6h,卫星接收机分别在每天的3:00、9:00、15:00、21:00采集基站位置信息,大坝表面变形地面监测网采用自动化仪器,采集数据时间间隔为1d,于每天上午9:00采集各测点位移信息。
S2:将大坝表面变形地面监测网获取的数据与大坝位移卫星监测网获取的数据,按横河向、顺河向、竖直向分解,并均转化为相对于同一参考系下同一初始状态的位移;其中某一初始状态一般以安装监测仪器初期的大坝状态为位移初始状态,所述的同一坐标系一般指WGS84坐标系;需要说明的是,本实施例中,传统观测数据对大坝水平位移与竖直沉降的监测精度均为0.05mm,双卫星静态定位精度在水平测量上精度为1mm,垂直测量上精度为2mm。
本实施例中,大坝坝体完工时间为1998年5月1日,大坝蓄水至正常蓄水位的时间为1999年10月1日,大坝表面变形地面监测网建成并正式工作时间为2000年1月1日,基于GNSS的大坝位移卫星监测网建成并正式工作时间为2016年1月1日,则大坝位移初始状态为2000年1月1日。
S3:对信息采集间隔时间较长的大坝表面变形地面监测网数据库进行插值,得到与卫星监测同步的第一位移数据库;其具体表现为选择每相邻4个测点数据进行分段三次插值多项式逼近。即若要对时间区间{tk,tk+1}内的大坝表面变形地面监测网中某一测点的某一项测点数据(如第m个测点的顺河向位移值)进行插值,选择时间点tk-1,tk,tk+1,tk+2及其对应的测点数据ym,k-1,ym,k,ym,k+1,ym,k+2构造三次插值多项式,如下所示:
其中,ym,k表示大坝表面变形地面监测网中第m个测点在k时刻的顺河向位移值,且为经历步骤二转化后的位移值;ti,i=1,2,...,n为该测点第i个观测数据的采集时刻距初始时刻的时长,单位为小时,且t1=0,初始时刻为大坝位移卫星监测系统建成使用的时间,为保证系统初始时刻为0,选择2016年1月1日上午9:00为初始时刻;表示大坝表面变形地面监测网中第m个测点在{tk,tk+1}时间区间内的插值函数;t表示距初始时刻的时长,函数定义域为t∈[tk,tk+1]。
本实施例中,大坝位移卫星监测网信息采集间隔为6h,大坝表面变形地面监测网信息采集间隔为1d,故对于顺河向、横河向、竖直向位移,在相邻两个大坝表面变形地面监测位移数据用上述插值多项式等距插入3个估计值,得到与大坝位移卫星数据库频率相同的基于大坝表面变形地面监测网的扩充数据库,将其称为第一位移数据库。
S4:对第一位移数据库采用改进阈值的脉冲耦合神经网络法进行降噪,
Fij[n]=Sij
其中,对阈值θ进行改进下,Fij表示每个神经元的反馈输入,Sij表示来自外部的刺激输入,Yij表示神经元的点火输出,矩阵T表示神经元的点火时间,矩阵B表示神经元是否点过火,由此得到第二位移数据库。
本实施例中,对大坝位移卫星数据库进行优选小波基的小波降噪法处理,小波基选用Haar小波、Daubechies小波、Biorthgonal小波、Coiflets小波,分别对第一位移数据库进行降噪处理,得到对应不同小波基的第三位移数据库(第三位移数据库3.1、3.2、3.3、3.4);根据第二位移数据库、第三位移数据库的均方根误差与信噪比值来选择适合此位移数据库的小波基;其中均方根误差(RMSE)为
信噪比(SNR)为
SNR=10×log10(powersignal/powernoise)
对第二位移数据库与第三位移数据库采用自适应加权平均法进行数据融合,即令第二位移数据库、第三位移数据库、第四位移数据库表示为X2、X3、X4,令第二位移数据库、第三位移数据库的标准差分别为σ2、σ3,计算其加权因子k
则第四位移数据库可表示为
X4=kX3+(1-k)X2
S5:如图2所示,比较并记录原始数据精度、对插值扩充数据并进行降噪后的数据精度、融合后的数据精度,图中小波基1、小波基2、小波基3、小波基4即选用的Haar小波、Daubechies小波、Biorthgonal小波、Coiflets小波;分别计算第二位移数据库、第三位移数据库的标准差,以标准差作为数据精度;计算第四位移数据库的融合均值,用以评价蒙特卡洛统计精度;均方根误差越小、同时信噪比越大说明降噪效果越好,以此判断选择的小波基是否合适;融合均值越低,说明蒙特卡洛统计精度越高;由对比后选择的最优小波基来确定最优的融合数据库形式。
在本实施例中,计算的标准差和融合均值如表1所示。
表1优选小波基的标准差比较
从表1可知,本实施例应选择Coiflets小波作为最优选项。从而确定最终融合的结果,第四位移数据库。
总体而言,通过对基于GNSS的大坝位移数据库和大坝表面变形地面监测网数据库相融合,实现大坝位移值实时、光滑、连续、高精度、可靠的特点。
Claims (8)
1.融合GNSS和地面监测网获取大坝实时高精度位移的方法,其特征在于,包括以下步骤:
S1:建立大坝表面变形地面监测网,以及建立基于GNSS的大坝位移卫星监测网;
S2:将大坝表面变形数据库和大坝位移卫星数据库,按横河向、顺河向、竖直向分类,并均转化为相对于同一参考系下同一初始状态的位移,分别为第一变形数据库和第一卫星数据库;
S3:对数据采集间隔时间较长的大坝表面的第一变形数据库进行插值,得到与大坝位移卫星数据库同步的第一位移数据库;
S4:插值扩充后的大坝表面的第一位移数据库经降噪处理后,结合自适应加权平均法与小波降噪处理后的第一卫星数据库进行数据融合,得到第四位移数据库;
S5:计算、比较并记录第一位移数据库降噪后的数据精度、第四位移数据库的数据精度,根据数据精度优选小波基,得到S4中对应的融合位移序列。
2.根据权利要求1所述的融合GNSS和地面监测网获取大坝实时高精度位移的方法,其特征在于,所述步骤S1具体为:以大坝表面变形地面监测网中的观测点为圆心,半径内布置GNSS监测点;大坝表面变形地面监测网的资料采集时间选择在GNSS获取坐标数据的时间点。
3.根据权利要求1所述的融合GNSS和地面监测网获取大坝实时高精度位移的方法,其特征在于,所述步骤S2具体为:两种方法获取的测量点坐标需转换到相同参考坐标系;并以大坝在某一初始状态、同一坐标系中的测点坐标作为初始基准点来计算实时位移量,再将实时位移量在横河向、顺河向、竖直向方向上分解得到大坝测点的实时三向位移值。
4.根据权利要求1所述的融合GNSS和地面监测网获取大坝实时高精度位移的方法,其特征在于,所述步骤S3中插值方法具体为:选择相邻四个测点数据进行分段三次插值多项式逼近;即若要对时间区间{tk,tk+1}内的某一测点在某一方向上的测点信息进行插值,其中ti,i=1,2,...,n为该测点第i个观测数据的采集时刻距初始时刻的时长,单位为小时,且t1=0,则选择时间点tk-1,tk,tk+1,tk+2及其对应的测点数据yk-1,yk,yk+1,yk+2构造三次插值多项式,其中yi为ti时刻该测点在该方向的测点信息,且yi为经历步骤S2转化后的位移值;依次对大坝表面变形数据库各时间区间的位移信息用与其对应的分段插值多项式插值拟合得到与大坝位移卫星数据库频率相同的大坝表面变形监测网扩充数据库,将其称为第一位移数据库。
5.根据权利要求1所述的融合GNSS和地面监测网获取大坝实时高精度位移的方法,其特征在于,所述步骤S4具体为:对第一位移数据库采用改进阈值的脉冲耦合神经网络法进行降噪,得到第二位移数据库;对大坝位移卫星数据库进行基于不同小波基的小波降噪法处理,得到第三位移数据库;对第二位移数据库与第三位移数据库采用自适应加权平均法进行数据融合,得到第四位移数据库。
6.根据权利要求1所述的融合GNSS和地面监测网获取大坝实时高精度位移的方法,其特征在于,所述步骤S5具体为:分别计算第二位移数据库、第三位移数据库的均方根误差和信噪比,计算第四位移数据库的融合均值,用以评价蒙特卡洛统计精度,以此优选出符合此数据库的小波基,得到S4中对应的融合位移序列。
8.根据权利要求1所述的融合GNSS和地面监测网获取大坝实时高精度位移的方法,其特征在于,所述步骤S2中同一参考系为WGS84坐标系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711047791.3A CN107831516B (zh) | 2017-10-31 | 2017-10-31 | 融合gnss和地面监测网获取大坝实时高精度位移的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711047791.3A CN107831516B (zh) | 2017-10-31 | 2017-10-31 | 融合gnss和地面监测网获取大坝实时高精度位移的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107831516A CN107831516A (zh) | 2018-03-23 |
CN107831516B true CN107831516B (zh) | 2020-11-20 |
Family
ID=61651167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711047791.3A Active CN107831516B (zh) | 2017-10-31 | 2017-10-31 | 融合gnss和地面监测网获取大坝实时高精度位移的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107831516B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109143304B (zh) * | 2018-09-30 | 2020-12-29 | 百度在线网络技术(北京)有限公司 | 用于确定无人驾驶车辆位姿的方法和装置 |
CN110823179B (zh) * | 2019-11-08 | 2020-09-22 | 南京工业大学 | 一种断面式堤防水平位移监测变形量的转换方法 |
CN114061622B (zh) * | 2021-11-11 | 2023-08-22 | 中国西安卫星测控中心 | 一种深空三向测距系统误差标定方法 |
CN115451803A (zh) * | 2022-09-19 | 2022-12-09 | 福州大学 | 基于gnss与测量机器人融合的水闸实时监测预警方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004294389A (ja) * | 2003-03-28 | 2004-10-21 | Furuno Electric Co Ltd | 変位検出装置および変位検出方法 |
US8138970B2 (en) * | 2003-03-20 | 2012-03-20 | Hemisphere Gps Llc | GNSS-based tracking of fixed or slow-moving structures |
JP4953430B2 (ja) * | 2006-09-19 | 2012-06-13 | 国際航業株式会社 | ダムの外部変形評価方法、評価装置および評価プログラム |
KR101218354B1 (ko) * | 2012-03-05 | 2013-01-03 | 주식회사 이제이텍 | Gnss 기반 교량 모니터링 과대오차 처리 방법 |
CN104408900A (zh) * | 2014-11-10 | 2015-03-11 | 柳州师范高等专科学校 | 基于动态优化的神经网络洪水预警装置及其方法 |
CN105139585A (zh) * | 2015-07-29 | 2015-12-09 | 同济大学 | 一种土质边坡险情智能预警预报方法 |
CN105606152A (zh) * | 2016-01-28 | 2016-05-25 | 成都万江港利科技股份有限公司 | 基于北斗精确定位的大坝安全监测系统 |
CN205482910U (zh) * | 2016-04-13 | 2016-08-17 | 四川大学 | 基于北斗定位系统的大坝坝体变形动态监测的系统 |
CN106599483A (zh) * | 2016-12-16 | 2017-04-26 | 鞍钢集团矿业有限公司 | 基于测量机器人露天矿边坡监测平面数据的处理方法 |
CN206248834U (zh) * | 2016-10-27 | 2017-06-13 | 昆明理工大学 | 一种基于北斗一代的水电大坝安全监控系统 |
CN107144255A (zh) * | 2017-04-13 | 2017-09-08 | 中国地质大学(武汉) | 一种边坡自动化实时立体监测与预警的方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004163123A (ja) * | 2002-11-11 | 2004-06-10 | Mitsubishi Heavy Ind Ltd | 水質監視装置 |
CN102435165B (zh) * | 2011-09-07 | 2013-07-24 | 石家庄铁道大学 | 基于cnss的地面设施变形的长期监测方法 |
CN104482991B (zh) * | 2014-12-10 | 2018-02-23 | 青岛理工大学 | 一种确定危坝坝体安全库水位的测定参数与预警方法 |
CN205862180U (zh) * | 2016-06-22 | 2017-01-04 | 河南黄河河务局焦作黄河河务局 | 一种自供能智能河务信息综合采集装置 |
-
2017
- 2017-10-31 CN CN201711047791.3A patent/CN107831516B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8138970B2 (en) * | 2003-03-20 | 2012-03-20 | Hemisphere Gps Llc | GNSS-based tracking of fixed or slow-moving structures |
JP2004294389A (ja) * | 2003-03-28 | 2004-10-21 | Furuno Electric Co Ltd | 変位検出装置および変位検出方法 |
JP4953430B2 (ja) * | 2006-09-19 | 2012-06-13 | 国際航業株式会社 | ダムの外部変形評価方法、評価装置および評価プログラム |
KR101218354B1 (ko) * | 2012-03-05 | 2013-01-03 | 주식회사 이제이텍 | Gnss 기반 교량 모니터링 과대오차 처리 방법 |
CN104408900A (zh) * | 2014-11-10 | 2015-03-11 | 柳州师范高等专科学校 | 基于动态优化的神经网络洪水预警装置及其方法 |
CN105139585A (zh) * | 2015-07-29 | 2015-12-09 | 同济大学 | 一种土质边坡险情智能预警预报方法 |
CN105606152A (zh) * | 2016-01-28 | 2016-05-25 | 成都万江港利科技股份有限公司 | 基于北斗精确定位的大坝安全监测系统 |
CN205482910U (zh) * | 2016-04-13 | 2016-08-17 | 四川大学 | 基于北斗定位系统的大坝坝体变形动态监测的系统 |
CN206248834U (zh) * | 2016-10-27 | 2017-06-13 | 昆明理工大学 | 一种基于北斗一代的水电大坝安全监控系统 |
CN106599483A (zh) * | 2016-12-16 | 2017-04-26 | 鞍钢集团矿业有限公司 | 基于测量机器人露天矿边坡监测平面数据的处理方法 |
CN107144255A (zh) * | 2017-04-13 | 2017-09-08 | 中国地质大学(武汉) | 一种边坡自动化实时立体监测与预警的方法 |
Non-Patent Citations (5)
Title |
---|
《Remote Sensing and Earthquake Damage Assessment: Experiences, Limits, and Perspectives》;Fabio Dell"Acqua ; Paolo Gamba;《Proceedings of the IEEE》;20120810;第100卷(第10期);2876 - 2890 * |
《基于BP网络和Monte Carlo法相结合的堤防渗流稳定可靠度分析》;高昂、苏怀智;《中国农村水利水电》;20140615(第6期);161-163 * |
《基于GIS边坡地质环境监测与稳定性研究》;黄世秀;《中国博士学位论文全文数据库 工程科技Ⅰ辑》;20170215(第2期);B021-2 * |
《基于WEB架构的大坝安全监控管理系统若干关键技术的研究》;王浩军;《中国优秀博硕士学位论文全文数据库 (硕士) 工程科技Ⅱ辑》;20150615(第2期);C037-77 * |
Zhiping Wen Huaizhi Su.《Intelligent Implementation Technologies on Sensing Dam Safety Based on Neural Network》.《2009 Asia-Pacific Power and Energy Engineering Conference》.2009,1-4. * |
Also Published As
Publication number | Publication date |
---|---|
CN107831516A (zh) | 2018-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107831516B (zh) | 融合gnss和地面监测网获取大坝实时高精度位移的方法 | |
CN102707300B (zh) | 一种gps轨迹优化方法、装置及系统 | |
CN111401602B (zh) | 基于神经网络的卫星以及地面降水测量值同化方法 | |
KR101218354B1 (ko) | Gnss 기반 교량 모니터링 과대오차 처리 방법 | |
RU2508560C2 (ru) | Способ коррекции ошибок предсказания значений изменяющихся во времени сигналов, возмущаемых различными неконтролируемыми систематическими явлениями | |
Werner et al. | Hydrologic extremes--an intercomparison of multiple gridded statistical downscaling methods. | |
Chiodi et al. | Three issues concerning the statistics of mean and extreme wind speeds | |
CN111505619A (zh) | 一种时空分布不规则不均匀卫星高度计测高数据网格化处理方法 | |
CN114912551B (zh) | 面向桥梁变形监测的gnss和加速度计实时融合方法 | |
CN110553631B (zh) | 一种关于水位流量关系的水位测量系列误差分析方法 | |
CN112269192A (zh) | 一种快速自适应的动态北斗监测实时解算去噪方法 | |
CN115792974A (zh) | 一种gnss形变监测结果质量评估方法 | |
CN116681153A (zh) | 基于lstm神经网络与gnss历史观测数据的tec预报方法 | |
CN112329272B (zh) | 综合光伏组件退化和寿命数据的剩余寿命拟合预测方法 | |
Young | Detecting and removing inhomogeneities from long-term monthly sea level pressure time series | |
CN116228047B (zh) | 一种用于地质灾害监测的数据质量评价方法及系统 | |
CN109145258B (zh) | 基于非线性拟合的威布尔分布参数置信区间估计方法 | |
CN114114332B (zh) | 一种有效探测gnss基准站坐标时间序列不连续点的方法 | |
CN115236772A (zh) | 一种漂流观测仪数据质量控制系统及其方法 | |
CN111175789B (zh) | 地基增强系统的电离层异常监测方法、装置以及系统 | |
Callaghan et al. | Comparing extreme water levels using different techniques and impact of climate indices | |
CN113420452B (zh) | 地基微振动设计载荷确定方法 | |
CN112114339B (zh) | 一种gnss数据微分迭代滤波解算方法 | |
CN117724125B (zh) | 一种基于一致性的观测数据的质量控制方法及装置 | |
CN111487596B (zh) | 风场探测数据融合方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |