CN110781545A - 一种斜拉桥cpiii高程建模方法、装置及存储介质 - Google Patents
一种斜拉桥cpiii高程建模方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110781545A CN110781545A CN201911008298.XA CN201911008298A CN110781545A CN 110781545 A CN110781545 A CN 110781545A CN 201911008298 A CN201911008298 A CN 201911008298A CN 110781545 A CN110781545 A CN 110781545A
- Authority
- CN
- China
- Prior art keywords
- data
- cpiii
- cpiii point
- elevation
- point
- 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.)
- Pending
Links
Images
Landscapes
- Bridges Or Land Bridges (AREA)
Abstract
本申请实施例提供了一种斜拉桥CPIII高程建模方法、装置及存储介质,所述方法包括:采集第一时期的样本数据和各个CPIII点的高程数据;针对每个所述CPIII点,将所述第一时期的样本数据和CPIII点的高程数据利用数学拟合算法进行数据建模,得到与所述CPIII点对应的数据模型。
Description
技术领域
本申请涉及桥梁工程中桥面高程测量技术领域,尤其涉及一种斜拉桥CPIII高程建模方法、装置及存储介质。
背景技术
在大跨度钢-混凝土组合梁斜拉桥的建设过程中,由于温度、日照和荷载等外界环境因素的影响变化,会导致桥梁结构存在显著的不均匀竖向、纵向或横向位移,进而导致连续梁上部CPIII控制点的坐标高程具有多值性,最终导致连续梁上高速铁路轨道板铺设和轨道精调施工作业等工作无法进行。为了确保桥上无砟轨道铺设成功,需要掌握全桥大桥主梁在任意时刻和环境下的纵向、竖向位移变形规律,预测任意时刻主桥上CPIII点的实时坐标和高程,从而为施工作业提供基础数据。然而有关预测大跨度斜拉桥的CPIII点位高程的模型方面的研究目前还处于空白阶段。
发明内容
有鉴于此,本申请实施例为解决现有技术中存在的至少一个问题而提供一种斜拉桥CPIII高程建模方法、装置及存储介质。
为达到上述目的,本申请实施例的技术方案是这样实现的:
第一方面,本申请实施例提供一种斜拉桥CPIII高程建模方法,所述方法包括:
采集第一时期的样本数据和各个CPIII点的高程数据;
针对每个所述CPIII点,将所述第一时期的样本数据和CPIII点的高程数据利用数学拟合算法进行数据建模,得到与所述CPIII点对应的数据模型。
在一种可选的实施方式中,所述将所述第一时期的样本数据和CPIII点的高程数据利用数学拟合算法进行数据建模,得到与所述CPIII点对应的数据模型之后,所述方法还包括:
将所述第一时期的样本数据代入所述CPIII点对应的数据模型,得到所述CPIII点的预测高程数据;
采集第二时期的所述CPIII点的高程数据作为所述CPIII点的测量高程数据;
基于所述CPIII点的预测高程数据和测量高程数据,对与所述CPIII点对应的所述数据模型进行拟合评估;
其中,所述第一时期和所述第二时期为不同的采样时期。
在一种可选的实施方式中,所述基于所述CPIII点的预测高程数据和测量高程数据,对与所述CPIII点对应的所述数据模型进行拟合评估,包括:
计算所述CPIII点的预测高程数据和测量高程数据之间的较差,将所述较差与第一阈值进行比较;
所述较差大于等于所述第一阈值的情况下,重新建立所述CPIII点对应的数据模型;
所述较差小于所述第一阈值的情况下,完成所述CPIII点对应的数据模型的拟合。
在一种可选的实施方式中,所述计算所述CPIII点的预测高程数据和测量高程数据之间的较差之前,所述方法还包括:
将所述第一时期的样本数据和CPIII点的高程数据代入所述CPIII点对应的数据模型,得到所述数据模型的拟合精度;
将所述拟合精度与第二阈值进行比较;
所述拟合精度大于等于第二阈值的情况下,计算所述CPIII点的预测高程数据和测量高程数据之间的较差;
所述拟合精度小于第二阈值的情况下,重新建立所述CPIII点对应的数据模型。
在一种可选的实施方式中,所述样本数据至少包括以下之一:大气温度数据、主桥钢箱梁内部温度数据、里程桥塔塔顶水平偏移数据。
第二方面,本申请实施例提供一种基于数学模型的CPIII点的高程计算方法,所述方法包括:
采集第三时期的样本数据和各个CPIII点的高程数据;
针对每个所述CPIII点,将所述第三时期的样本数据和CPIII点的高程数据代入拟合得到的所述CPIII点对应的数据模型,得到所述CPIII点对应的数据模型的拟合参数;
将所述第三时期的样本数据和所述拟合参数代入所述CPIII点对应的数据模型,得到所述CPIII点的预测高程数据。
在一种可选的实施方式中,所述将所述第三时期的样本数据和所述拟合参数代入所述CPIII点对应的数据模型,得到所述CPIII点的预测高程数据之后,所述方法还包括:
采集第四时期的所述CPIII点的高程数据作为所述CPIII点的测量高程数据;
基于所述CPIII点的预测高程数据和测量高程数据,对所述CPIII点对应的数据模型进行训练;
其中,所述第三时期和所述第四时期为不同的采样时期。
在一种可选的实施方式中,所述基于所述CPIII点的预测高程数据和测量高程数据,对所述CPIII点对应的数据模型进行训练,包括:
计算所述CPIII点的预测高程数据和测量高程数据之间的较差,将所述较差与第一阈值进行比较;
所述较差大于等于所述第一阈值的情况下,增加采集的样本数据和CPIII点的高程数据,重新计算所述CPIII点对应的数据模型的拟合参数;
所述较差小于所述第一阈值的情况下,完成所述CPIII点对应的数据模型的训练。
在一种可选的实施方式中,所述计算所述CPIII点的预测高程数据和测量高程数据之间的较差之前,所述方法还包括:
将所述第三时期的样本数据和CPIII点的高程数据代入所述CPIII点对应的数据模型,得到所述CPIII点对应的数据模型的拟合精度;
将所述拟合精度与第二阈值进行比较;
所述拟合精度大于等于第二阈值的情况下,计算所述CPIII点的预测高程数据和测量高程数据之间的较差;
所述拟合精度小于第二阈值的情况下,增加采集的样本数据和CPIII点的高程数据,重新计算所述CPIII点对应的数据模型的拟合参数。
在一种可选的实施方式中,所述基于所述CPIII点的预测高程数据和测量高程数据,对所述CPIII点对应的数据模型进行训练之后,所述方法还包括:
针对每个所述CPIII点,获取实时样本数据;
将所述实时样本数据代入训练后的所述CPIII点对应的数据模型,得到所述CPIII点的实时预测高程数据。
第三方面,本申请实施例提供一种CPIII高程建模装置,所述装置包括:
第一采集模块,用于采集第一时期的样本数据和各个CPIII点的高程数据;
建模模块,用于针对每个所述CPIII点,将所述第一时期的样本数据和CPIII点的高程数据利用数学拟合算法进行数据建模,得到与所述CPIII点对应的数据模型。
第四方面,本申请实施例提供一种基于数学模型的CPIII点的高程计算装置,其特征在于,所述装置包括:
第二采集模块,用于采集第三时期的样本数据和各个CPIII点的高程数据;
拟合模块,用于针对每个所述CPIII点,将所述第三时期的样本数据和CPIII点的高程数据代入拟合得到的所述CPIII点对应的数据模型,得到所述CPIII点对应的数据模型的拟合参数;
预测模块,用于将所述第三时期的样本数据和所述拟合参数代入所述CPIII点对应的数据模型,得到所述CPIII点的预测高程数据。
第五方面,本申请实施例提供一种电子设备,其特征在于,所述电子设备包括:
网络接口,用于实现组件之间的连接通信;
存储器,用于存储可执行指令;
处理器,用于执行所述存储器中存储的可执行指令时,实现第一方面所述的建模方法,或第二方面所述的计算方法。
第六方面,本申请实施例提供一种存储介质,其特征在于,所述存储介质存储有计算机程序,当所述计算机程序被至少一个处理器执行时,实现第一方面所述的建模方法,或第二方面所述的计算方法。
本申请实施例提供了一种斜拉桥CPIII高程建模方法、装置及存储介质,所述方法包括:采集第一时期的样本数据和各个CPIII点的高程数据;针对每个所述CPIII点,将所述第一时期的样本数据和CPIII点的高程数据利用数学拟合算法进行数据建模,得到与所述CPIII点对应的数据模型。本申请实施例中建立了基于温度的变化和桥体位移预测斜拉桥CPIII点的高程的数学模型,从而实现了对斜拉桥CPIII点的高程的预测。
附图说明
图1为本申请实施例提供的一种斜拉桥CPIII高程建模方法的流程示意图一;
图2为本申请实施例提供的一种斜拉桥CPIII高程建模方法的流程示意图二;
图3为本申请实施例中斜拉桥的桥面CPIII点的布设图;
图4为本申请实施例中斜拉桥的桥塔塔顶偏移测量示意图;
图5为本申请实施例中斜拉桥的中跨上五对CPIII点的高程的变化趋势图;
图6为本申请实施例中斜拉桥的405323号CPIII点的高程随大气温度和钢箱梁温度的变化趋势图;
图7为本申请实施例提供的一种基于数学模型的CPIII点的高程计算方法的流程示意图一;
图8为本申请实施例提供的一种基于数学模型的CPIII点的高程计算方法的流程示意图二;
图9为本申请实施例提供的一种CPIII高程建模装置的结构示意图;
图10为本申请实施例提供的一种基于数学模型的CPIII点的高程计算装置的结构示意图;
图11为本申请实施例提供的一种电子设备的具体硬件结构。
具体实施方式
为了能够更加详尽地了解本申请实施例的特点与技术内容,下面结合附图对本申请实施例的实现进行详细阐述,所附附图仅供参考说明之用,并非用来限定本申请实施例。
在大跨度钢-混凝土组合梁斜拉桥的建设过程中,由于温度、日照和荷载等外界环境因素的影响变化,会导致桥梁结构存在显著的不均匀竖向、纵向或横向位移,进而导致连续梁上部CPIII控制点的坐标高程具有多值性,最终导致连续梁上高速铁路轨道板铺设和轨道精调施工作业等工作无法进行。为了确保桥上无砟轨道铺设成功,需要掌握全桥大桥主梁在任意时刻和环境下的纵向、竖向位移变形规律,预测任意时刻主桥上CPIII点的实时坐标和高程,为施工作业提供基础数据。
目前国内在大跨度斜拉桥上布设CPIII控制网和进行无砟轨道的铺设没有成熟的工程案例,仅连续梁上布设CPIII控制网并预测其平面坐标的变化规律已有部分研究,国内西南交通大学地球科学与环境工程学院刘成龙教授的团队对长大连续梁CPIII的平面坐标根据温度的变化预测做了一些研究,通过梁长和温度的改正模型对CPIII点的实时坐标进行了计算,取得了良好的结果,然而有关随温度时序变化预测大跨度斜拉桥的CPIII点位高程的模型方面的研究目前还处于空白阶段。
为此,提出了本申请实施例的以下技术方案。
图1为本申请实施例提供的一种斜拉桥CPIII高程建模方法的流程示意图一,参见图1,本申请实施例的斜拉桥CPIII高程建模方法包括:
步骤101:采集第一时期的样本数据和各个CPIII点的高程数据。
在本申请实施例中,从大气温度、梁体温度、梁体材料、斜拉桥拉锁结构和桥体位移等多方面因素进行建模前的分析,选取大气温度、梁体温度和桥体位移作为建模参数,选取和布置采样设备,按合适的采样间隔和采样精度进行样本数据的采集。在实际应用时,可以在桥面埋设大气温度采样设备,在主桥钢箱梁内部埋设梁体温度采样设备,以采集大气温度和钢箱梁内部温度;在里程桥塔塔顶布设偏移监测点,采用全站仪进行里程桥塔塔顶偏移数据采集。
在本申请实施例中,基于斜拉桥的桥面CPIII点的布设情况,选定测量基准、标准和起算点,设定采样间隔和采样精度。需要说明的是,斜拉桥的桥面CPIII点高程测量基准采用国家85高程基准,对斜拉桥的主桥上的所有CPIII点高程进行48小时连续多期测量,便于按时序得到主桥上各个CPIII点高程成果及其竖向变形规律,以便于建立各个CPIII点高程成果的实时预测模型。竖向监测点高程测量起闭于靠近主桥两端的简支梁桥上的二等水准基点0406H21、0405H22,每次CPIII点高程测量的水准线路都是一条附合水准路线,附合水准路线的各项指标按照《高速铁路工程测量规范》(TB10601—2009)中二等水准测量技术要求施测,参照如下表1和表2。
表1为二等水准测量精度要求(mm)
表2为二等水准测量观测技术要求
注:DS1表示每千米水准测量高差中误差为±1mm。
在本申请实施例中,采集第一时期的大气温度数据、主桥钢箱梁内部温度数据、里程桥塔塔顶水平偏移数据作为样本数据;采集第一时期的各个CPIII点的高程数据。在实际应用时,可以对桥面的各个CPIII点的高程进行48小时多期数据采集,并实时记录采集过程中大气温度、主桥钢箱梁内部温度、里程桥塔塔顶水平偏移。其中,第一时期可以为建模期,第一时期采集的数据作为建模期数据集。
步骤102:针对每个所述CPIII点,将所述第一时期的样本数据和CPIII点的高程数据利用数学拟合算法进行数据建模,得到与所述CPIII点对应的数据模型。
在本申请实施例中,将48小时建模期采集得到的CPIII点的高程数据、大气温度数据、主桥钢箱梁内部温度数据和里程桥塔塔顶水平偏移数据作为建模期数据集,针对每个所述CPIII点,将建模期数据集利用数学拟合算法进行数据建模,得到与所述CPIII点对应的数据模型。
图2为本申请实施例提供的一种斜拉桥CPIII高程建模方法的流程示意图二,参见图2,本申请实施例的斜拉桥CPIII高程建模方法包括:
步骤201:采集第一时期的样本数据和各个CPIII点的高程数据。
需要说明的是,本申请实施例中以主桥结构为35-40-60-300-60-40-35的高速铁路大跨斜拉桥为例进行说明,该斜拉桥的边跨设置两个过渡墩和一个边墩,桥梁全长572.1m。结构体系为塔梁分离形式的半飘浮体系,塔梁之间设置支座和纵向阻尼器。该斜拉桥为混合梁斜拉桥,混合梁斜拉桥的边跨及部分中跨主梁采用整体式预应力混凝土箱梁,其余中跨主梁采用箱形钢-混凝土组合梁。桥塔采用曲线人字形混凝土塔。
图3为本申请实施例中斜拉桥的桥面CPIII点的布设图,如图3所示,该斜拉桥的桥面CPIII点的布设情况如下:
(1)斜拉桥的主塔内侧面分别布设一对CPIII点(0406301/0406302和0405321/0405322);
(2)大小里程靠近主塔的第一个过渡墩顶面分别布设一对CPIII点(0406303/0406304和0405319/0405320);
(3)大小里程的伸缩缝简支梁桥上靠近主桥的防撞墙顶面,分别布设一对CPIII点(0406305/0406306和0405317/0405318)。
(4)中跨的六等分处,即1/2跨,1/3跨和1/6跨,分别布设一对CPIII点,一共五对CPIII点(0405327/0405328、0405325/0405326、0405329/0405330、0405323/0405324和0405331/0405332)。
主桥上布设的CPIII控制网共有9对共18个CPIII点(不包括主桥两侧简支梁桥上的两对CPIII点),CPIII点具体的位置分布及其点号如图3所示。
在本申请实施例中,基于斜拉桥的桥面CPIII点的布设情况,选定测量基准、标准和起算点,设定采样间隔和采样精度。需要说明的是,斜拉桥的桥面CPIII点高程测量基准采用国家85高程基准,对斜拉桥的主桥上的所有CPIII点高程进行48小时连续多期测量,便于按时序得到主桥上各个CPIII点高程成果及其竖向变形规律,以便于建立各个CPIII点高程成果的实时预测模型。竖向监测点高程测量起闭于靠近主桥两端的简支梁桥上的二等水准基点0406H21、0405H22,每次CPIII点高程测量的水准线路都是一条附合水准路线,附合水准路线的各项指标按照《高速铁路工程测量规范》(TB10601—2009)中二等水准测量技术要求施测,精度要求和技术要求如前述表1和表2所示。
本申请实施例中从大气温度、梁体温度、梁体材料、斜拉桥拉锁结构和桥体位移等多方面因素进行建模前的分析,选取大气温度、梁体温度和桥体位移作为建模参数。
在本申请实施例中,为了掌握斜拉桥的主梁活动端在任意时刻和环境下的竖向位移变形规律,为预测任意时刻主桥上CPIII点的实时高程提供基础数据,需要在主梁活动端安装位移和温度计等各类传感器,以监测主梁活动端在任意时刻的纵向位移、梁体温度和大气温度变化等影响因素,并作为后续建模时的样本数据。在实际应用时,可以在桥面埋设大气温度采样设备,在主桥钢箱梁内部埋设梁体温度采样设备,以采集大气温度和钢箱梁内部温度。作为一种优选的实施例,本申请实施例中全桥一共埋设三个温度传感器,其中两个温度传感器布设在斜拉桥大小里程的伸缩缝处,用来采集大气温度,另一个温度传感器布设在主桥的钢箱梁内,用来采集钢箱梁的梁体温度,本申请实施例中温度传感器的采集精度为0.1℃,误差均小于0.2℃,采样间隔为1秒,取测量期间的温度平均值作为样本数据。
在本申请实施例中,为了监测大小里程桥塔塔顶的水平偏移,在两个塔的塔顶的东侧各布设了一个监测点,以便于在强制观测墩上观测塔偏。图4为本申请实施例中斜拉桥的桥塔塔顶偏移测量示意图,如图4所示,大里程桥塔塔偏监测点编号为TP35;小里程桥塔塔偏监测点编号为TP36。J1为水东上游控制点,J4为水东下游控制点,J6为水西上游控制点,J8为水西下游控制点。塔顶偏移测量以J4为测站点,J8为后视点,进行塔偏测量。
将全站仪架设在强制观测墩J4点上,以J8作为后视方向,采用全圆方向距离观测法,定期观测TP35和TP36、J8,获取水平方向、天顶距和水平距离观测值,进而得到塔顶偏移监测点各个周期的坐标。塔偏测量的外业观测按照三等平面网技术要求实施,技术标准和技术要求如表3和表4所示:
表3为平面水平方向观测技术要求
表4为距离观测技术要求
控制网名称 | 测回 | 半测回间距离较差 | 测回间距离较差 |
塔偏观测 | 3 | ±2mm | ±2mm |
注:距离测量一测回是全站仪盘左、盘右各测量一次的过程。
在本申请实施例中,采集第一时期的大气温度数据、主桥钢箱梁内部温度数据、里程桥塔塔顶水平偏移数据作为样本数据;采集第一时期的各个CPIII点的高程数据。在实际应用时,可以对桥面的各个CPIII点的高程进行48小时多期数据采集,并实时记录采集过程中大气温度、主桥钢箱梁内部温度、里程桥塔塔顶水平偏移。其中,第一时期可以为建模期,第一时期采集的数据作为建模期数据集。
步骤202:针对每个所述CPIII点,将所述第一时期的样本数据和CPIII点的高程数据利用数学拟合算法进行数据建模,得到与所述CPIII点对应的数据模型。
在本申请实施例中,将48小时建模期采集得到的CPIII点的高程数据、大气温度数据、主桥钢箱梁内部温度数据和里程桥塔塔顶水平偏移数据作为建模期数据集,针对每个所述CPIII点,将建模期数据集利用数学拟合算法进行数据建模,得到与所述CPIII点对应的数据模型。
在一些实施例中,在进行数据建模前,还可以利用所述大气温度数据、主桥钢箱梁内部温度数据、里程桥塔塔顶水平偏移数据和各个CPIII点的高程数据,进行建模前的模型预测,例如,通过对钢-混凝土组合梁斜拉桥主桥上的所有CPIII点48小时高程测量数据分析可以发现大小里程桥塔和简支梁的CPIII点位高程变化在1mm内浮动,全桥CPIII点位变化主要发生在斜拉桥中部主桥连续钢箱梁上,图5为本申请实施例中斜拉桥的中跨上五对CPIII点的高程的变化趋势图,如图5所示,主桥上五对CPIII点的高程变化趋势呈现出一致性和坡度性,其中1/2跨变化最大,1/3跨次之,1/6跨变化较小。
以图5中1/6跨的405323号CPIII点为例进行监测,图6为本申请实施例中斜拉桥的405323号CPIII点的高程随大气温度和钢箱梁温度的变化趋势图,由图6可以分析得到405323号CPIII点的高程变化趋势和大气温度呈现高度的线性相关性,局部地方的变化走势和钢箱梁的温度也呈现出一定的线性相关性。
则在进行数学建模时,可以采用各类线性和非线性建模算法进行拟合建模,使得建模算法更加符合模型规律,从而节省建模时间,提高建模精度。
步骤203:将所述第一时期的样本数据和CPIII点的高程数据代入所述CPIII点对应的数据模型,得到所述数据模型的拟合精度;将所述拟合精度与第二阈值进行比较;所述拟合精度大于等于第二阈值的情况下,则转入步骤204;所述拟合精度小于第二阈值的情况下,则转入步骤202。
在本申请实施例中,将所述第一时期的样本数据和CPIII点的高程数据代入所述CPIII点对应的数据模型,进行所述CPIII点对应的数学模型的拟合精度计算,计算得到所述CPIII点对应的数据模型的拟合精度;将所述拟合精度与第二阈值进行比较,其中,第二阈值可以为预先设定的拟合精度阈值;所述拟合精度大于等于第二阈值的情况下,说明所述CPIII点对应的数学模型的拟合程度较好,则转入步骤204;所述拟合精度小于第二阈值的情况下,说明所述CPIII点对应的数学模型的拟合程度较差,则转入步骤202,重新建立所述CPIII点对应的数据模型。
步骤204:将所述第一时期的样本数据代入所述CPIII点对应的数据模型,得到所述CPIII点的预测高程数据;采集第二时期的所述CPIII点的高程数据作为所述CPIII点的测量高程数据;其中,所述第一时期和所述第二时期为不同的采样时期。
在本申请实施例中,将48小时建模期采集得到的CPIII点的高程数据、大气温度数据、主桥钢箱梁内部温度数据和里程桥塔塔顶水平偏移数据代入所述CPIII点对应的数据模型,通过所述CPIII点对应的数据模型计算得到所述CPIII点的预测高程数据;采集第二时期的所述CPIII点的高程数据作为所述CPIII点的测量高程数据,其中,所述第二时期可以为验证期,第二时期采集的数据作为验证期数据集。所述第一时期和所述第二时期为不同的采样时期。
需要说明的是,步骤203和步骤204的执行顺序只需要位于步骤205之前即可,并不限定步骤203和步骤204之间的执行顺序。
步骤205:计算所述CPIII点的预测高程数据和测量高程数据之间的较差,将所述较差与第一阈值进行比较;所述较差大于等于所述第一阈值的情况下,则转入步骤202;所述较差小于所述第一阈值的情况下,则完成所述CPIII点对应的数据模型的拟合。
在本申请实施例中,计算所述CPIII点的预测高程数据和测量高程数据之间的较差,将所述较差与第一阈值进行比较,其中,所述第一阈值为《高速铁路工程测量规范》中要求的CPIII点的高程较差范围;所述较差大于等于所述第一阈值的情况下,说明所述较差不符合规范要求,则转入步骤202,重新建立所述CPIII点对应的数据模型;所述较差小于所述第一阈值的情况下,说明所述较差符合规范要求,则完成所述CPIII点对应的数据模型的拟合。
本申请实施例提供了一种斜拉桥CPIII高程建模方法、装置及存储介质,所述方法包括:采集第一时期的样本数据和各个CPIII点的高程数据;针对每个所述CPIII点,将所述第一时期的样本数据和CPIII点的高程数据利用数学拟合算法进行数据建模,得到与所述CPIII点对应的数据模型。本申请实施例中建立了基于温度的变化和桥体位移预测斜拉桥CPIII点的高程的数学模型,从而实现了对斜拉桥CPIII点的高程的预测。
图7为本申请实施例提供的一种基于数学模型的CPIII点的高程计算方法的流程示意图一,参见图7,本申请实施例的基于数学模型的CPIII点的高程计算方法包括:
步骤701:采集第三时期的样本数据和各个CPIII点的高程数据。
在本申请实施例中,采集第三时期的大气温度数据、主桥钢箱梁内部温度数据、里程桥塔塔顶水平偏移数据作为样本数据;采集第一时期的各个CPIII点的高程数据。在实际应用时,可以对桥面的各个CPIII点的高程进行48小时多期数据采集,并实时记录采集过程中大气温度、主桥钢箱梁内部温度、里程桥塔塔顶水平偏移。其中,第三时期可以为拟合期,第三时期采集的数据作为拟合期数据集。
步骤702:针对每个所述CPIII点,将所述第三时期的样本数据和CPIII点的高程数据代入拟合得到的所述CPIII点对应的数据模型,得到所述CPIII点对应的数据模型的拟合参数。
在本申请实施例中,将48小时拟合期采集得到的CPIII点的高程数据、大气温度数据、主桥钢箱梁内部温度数据和里程桥塔塔顶水平偏移数据作为拟合期数据集,针对每个所述CPIII点,将拟合期数据集代入拟合得到的所述CPIII点对应的数据模型,计算所述CPIII点对应的数据模型的拟合参数。
步骤703:将所述第三时期的样本数据和所述拟合参数代入所述CPIII点对应的数据模型,得到所述CPIII点的预测高程数据。
在本申请实施例中,将48小时拟合期采集得到的CPIII点的高程数据、采集过程中的大气温度数据、主桥钢箱梁内部温度数据和里程桥塔塔顶水平偏移数据代入所述CPIII点对应的数据模型,通过所述CPIII点对应的数据模型计算得到所述CPIII点的预测高程数据。
图8为本申请实施例提供的一种基于数学模型的CPIII点的高程计算方法的流程示意图二,参见图8,本申请实施例的基于数学模型的CPIII点的高程计算方法包括:
步骤801:采集第三时期的样本数据和各个CPIII点的高程数据。
在本申请实施例中,采集第三时期的大气温度数据、主桥钢箱梁内部温度数据、里程桥塔塔顶水平偏移数据作为样本数据;采集第一时期的各个CPIII点的高程数据。在实际应用时,可以对桥面的各个CPIII点的高程进行48小时多期数据采集,并实时记录采集过程中大气温度、主桥钢箱梁内部温度、里程桥塔塔顶水平偏移。其中,第三时期可以为拟合期,第三时期采集的数据作为拟合期数据集。
步骤802:针对每个所述CPIII点,将所述第三时期的样本数据和CPIII点的高程数据代入拟合得到的所述CPIII点对应的数据模型,得到所述CPIII点对应的数据模型的拟合参数。
在本申请实施例中,将48小时拟合期采集得到的CPIII点的高程数据、大气温度数据、主桥钢箱梁内部温度数据和里程桥塔塔顶水平偏移数据作为拟合期数据集,针对每个所述CPIII点,将拟合期数据集代入拟合得到的所述CPIII点对应的数据模型,计算所述CPIII点对应的数据模型的拟合参数。
步骤803:将所述第三时期的样本数据和所述拟合参数代入所述CPIII点对应的数据模型,得到所述CPIII点的预测高程数据。
在本申请实施例中,将48小时拟合期采集得到的CPIII点的高程数据、大气温度数据、主桥钢箱梁内部温度数据和里程桥塔塔顶水平偏移数据代入所述CPIII点对应的数据模型,通过所述CPIII点对应的数据模型计算得到所述CPIII点的预测高程数据。
步骤804:将所述第三时期的样本数据和CPIII点的高程数据代入所述CPIII点对应的数据模型,得到所述CPIII点对应的数据模型的拟合精度;将所述拟合精度与第二阈值进行比较;所述拟合精度大于等于第二阈值的情况下,则转入步骤805;所述拟合精度小于第二阈值的情况下,则增加采集的样本数据和CPIII点的高程数据后转入步骤802。
在本申请实施例中,将48小时拟合期采集得到的CPIII点的高程数据、大气温度数据、主桥钢箱梁内部温度数据和里程桥塔塔顶水平偏移数据作为拟合期数据集,针对每个所述CPIII点,将拟合期数据集代入所述CPIII点对应的数据模型,计算所述CPIII点对应的数据模型的拟合精度;将所述拟合精度与第二阈值进行比较,其中,第二阈值可以为预先设定的拟合精度阈值;所述拟合精度大于等于第二阈值的情况下,说明所述CPIII点对应的数学模型的拟合精度较好,则转入步骤805;所述拟合精度小于第二阈值的情况下,说明所述CPIII点对应的数学模型的拟合精度不够好,即拟合期数据集的样本数量不够,则增加拟合期采集的样本数据和CPIII点的高程数据后转入步骤802。优选地,所述第二阈值可以设为0.7,则所述拟合精度大于等于0.7的情况下,说明所述CPIII点对应的数学模型的拟合精度较好,则转入步骤805;所述拟合精度小于0.7的情况下,说明所述CPIII点对应的数学模型的拟合精度不够好,即拟合期数据集的样本数量不够,则增加拟合期采集的样本数据和CPIII点的高程数据后转入步骤802。
需要说明的是,所述拟合得到的所述CPIII点对应的数据模型为根据本申请实施例提供的一种斜拉桥CPIII高程建模方法拟合得到的,例如:本申请实施例中拟合得到的最佳数据模型为:
表5为拟合期CPⅢ点高程模型拟合结果
CPⅢ点号 | 拟合参数a | 拟合参数b | 拟合参数c | 拟合精度R<sup>2</sup> |
405323点 | 1.636 | -0.372 | -5.876 | 0.807 |
405324点 | 1.663 | -0.329 | -6.478 | 0.809 |
405325点 | 3.890 | -1.204 | -10.888 | 0.838 |
405326点 | 3.965 | -1.170 | -11.658 | 0.841 |
405327点 | 4.700 | -1.712 | -12.206 | 0.818 |
405328点 | 4.796 | -1.425 | -13.622 | 0.837 |
405329点 | 3.703 | -1.153 | -9.998 | 0.818 |
405330点 | 3.737 | -1.165 | -10.128 | 0.821 |
405331点 | 1.615 | -0.435 | -5.028 | 0.792 |
405332点 | 1.598 | -0.561 | -3.814 | 0.772 |
由表5可知上述的本申请实施例中的各个CPIII点对应的数学模型的拟合精度R2均大于0.77,甚至大部分拟合精度R2都大于0.8,说明该数学模型的拟合程度较好。
步骤805:采集第四时期的所述CPIII点的高程数据作为所述CPIII点的测量高程数据;其中,所述第三时期和所述第四时期为不同的采样时期。
在本申请实施例中,采集第四时期的所述CPIII点的高程数据作为所述CPIII点的测量高程数据;其中,所述第四时期可以为训练期,第四时期采集的数据作为训练期数据集。所述第三时期和所述第四时期为不同的采样时期。
需要说明的是,步骤804和步骤805的执行顺序只需要位于步骤806之前即可,本申请实施例并不限定步骤804和步骤805之间的执行顺序。
步骤806:计算所述CPIII点的预测高程数据和测量高程数据之间的较差,将所述较差与第一阈值进行比较;所述较差大于等于所述第一阈值的情况下,则增加采集的样本数据和CPIII点的高程数据后转入步骤802;所述较差小于所述第一阈值的情况下,则完成所述CPIII点对应的数据模型的训练。
在本申请实施例中,计算所述CPIII点的预测高程数据和测量高程数据之间的较差,将所述较差与第一阈值进行比较,其中,所述第一阈值为《高速铁路工程测量规范》中要求的CPIII点的高程较差范围;所述较差大于等于所述第一阈值的情况下,说明所述较差不符合规范要求,则增加拟合期采集的样本数据和CPIII点的高程数据后转入步骤802,重新计算所述CPIII点对应的数据模型的拟合参数,并基于重新计算的拟合参数得到新的数据模型;所述较差小于所述第一阈值的情况下,说明所述较差符合规范要求,则完成所述CPIII点对应的数据模型的训练。优选地,所述第一阈值可以为3mm,则所述较差大于等于所述3mm的情况下,说明所述较差不符合规范要求,则增加拟合期采集的样本数据和CPIII点的高程数据后转入步骤802,重新计算所述CPIII点对应的数据模型的拟合参数,并基于重新计算的拟合参数得到新的数据模型;所述较差小于所述3mm的情况下,说明所述较差符合规范要求,则完成所述CPIII点对应的数据模型的训练。本申请实施例中,通过足够的样本数据和各个CPIII点的高程数据,拟合得到合适的数据模型,若该数据模型的拟合精度达到预设阈值,且拟合结果亦符合规范要求,则完成数学模型的训练。
在实际应用时,可以对斜拉桥全桥未来二十天的大气温度、主桥钢箱梁内部温度和里程桥塔塔顶水平偏移值进行实时监测,并实测间隔十天的两次训练期的CPIII点的高程数据,采用拟合得到的所述CPIII点对应的数据模型对各个CPIII点的高程数据进行预测,得到CPIII点的预测高程数据,进而将CPIII点的预测高程数据和实测高程数据进行对比,以检验该数据模型的拟合效果。例如,采集2019年3月8日10:10-10:30期间的大气温度数据、主桥钢箱梁内部温度数据、里程桥塔塔顶水平偏移数据和各个CPIII点的高程数据作为第一训练期数据集,采集2019年3月18日9:30-11:00期间的大气温度数据、主桥钢箱梁内部温度数据、里程桥塔塔顶水平偏移数据和各个CPIII点的高程数据作为第二训练期数据集,将两期的数据进行对比,结果如表6所示:
表6为训练期CPⅢ点高程数据对比结果
通过两期数据的对比可知,实测的高程和数据模型预测的高程较差最大为2.7mm,最小为0mm,即个别CPIII点的高程预测完全准确,所有CPIII点的高程预测较差均小于规范要求的3mm(第一阈值),说明该数据模型的预测结果可适用于后续施工要求。
步骤807:针对每个所述CPIII点,获取实时样本数据;将所述实时样本数据代入训练后的所述CPIII点对应的数据模型,得到所述CPIII点的实时预测高程数据。
在本申请实施例中,在完成所述CPIII点对应的数据模型的训练后,采集施工期间的大气温度数据、主桥钢箱梁内部温度数据和里程桥塔塔顶水平偏移数据代入训练后的所述CPIII点对应的数据模型,计算得到所述CPIII点的实时预测高程数据,用于指导后续的施工放样和轨道板精调等施工工作。
本申请实施例提供了一种基于数学模型的CPIII点的高程计算方法、装置及存储介质,所述方法包括:采集第三时期的样本数据和各个CPIII点的高程数据;针对每个所述CPIII点,将所述第三时期的样本数据和CPIII点的高程数据代入拟合得到的所述CPIII点对应的数据模型,得到所述CPIII点对应的数据模型的拟合参数;将所述第三时期的样本数据和所述拟合参数代入所述CPIII点对应的数据模型,得到所述CPIII点的预测高程数据。本申请实施例中建立了基于温度的变化和桥体位移预测斜拉桥CPIII点的高程的数学模型,从而实现了对斜拉桥CPIII点的高程的预测。
基于前述控制方法相同的技术构思,本申请实施例提供一种CPIII高程建模装置,图9为本申请实施例提供的一种CPIII高程建模装置的结构示意图,如图9所示,所述一种CPIII高程建模装置900包括:
第一采集模块901,用于采集第一时期的样本数据和各个CPIII点的高程数据;
建模模块902,用于针对每个所述CPIII点,将所述第一时期的样本数据和CPIII点的高程数据利用数学拟合算法进行数据建模,得到与所述CPIII点对应的数据模型。
在其他实施例中,所述第一采集模块901,还用于采集第二时期的所述CPIII点的高程数据作为所述CPIII点的测量高程数据;
所述装置还包括:
评估模块903,用于将所述第一时期的样本数据代入所述CPIII点对应的数据模型,得到所述CPIII点的预测高程数据;基于所述CPIII点的预测高程数据和测量高程数据,对与所述CPIII点对应的所述数据模型进行拟合评估;其中,所述第一时期和所述第二时期为不同的采样时期。
在其他实施例中,所述评估模块903,具体用于计算所述CPIII点的预测高程数据和测量高程数据之间的较差,将所述较差与第一阈值进行比较;
所述较差大于等于所述第一阈值的情况下,通过建模模块902重新建立所述CPIII点对应的数据模型;
所述较差小于所述第一阈值的情况下,完成所述CPIII点对应的数据模型的拟合。
在其他实施例中,所述评估模块903,还用于将所述第一时期的样本数据和CPIII点的高程数据代入所述CPIII点对应的数据模型,得到所述数据模型的拟合精度;
将所述拟合精度与第二阈值进行比较;
所述拟合精度大于等于第二阈值的情况下,计算所述CPIII点的预测高程数据和测量高程数据之间的较差;
所述拟合精度小于第二阈值的情况下,通过建模模块902重新建立所述CPIII点对应的数据模型。
在其他实施例中,所述样本数据至少包括以下之一:大气温度数据、主桥钢箱梁内部温度数据、里程桥塔塔顶水平偏移数据。
基于前述控制方法相同的技术构思,本申请实施例提供一种基于数学模型的CPIII点的高程计算装置,图10为本申请实施例提供的一种基于数学模型的CPIII点的高程计算装置的结构示意图,如图10所示,所述一种基于数学模型的CPIII点的高程计算装置1000包括:
第二采集模块1001,用于采集第三时期的样本数据和各个CPIII点的高程数据;
拟合模块1002,用于针对每个所述CPIII点,将所述第三时期的样本数据和CPIII点的高程数据代入拟合得到的所述CPIII点对应的数据模型,得到所述CPIII点对应的数据模型的拟合参数;
预测模块1003,用于将所述第三时期的样本数据和所述拟合参数代入所述CPIII点对应的数据模型,得到所述CPIII点的预测高程数据。
在其他实施例中,所述第二采集模块1001,还用于采集第四时期的所述CPIII点的高程数据作为所述CPIII点的测量高程数据;
所述装置还包括:
训练模块1004,用于基于所述CPIII点的预测高程数据和测量高程数据,对所述CPIII点对应的数据模型进行训练;其中,所述第三时期和所述第四时期为不同的采样时期。
在其他实施例中,所述训练模块1004,具体用于计算所述CPIII点的预测高程数据和测量高程数据之间的较差,将所述较差与第一阈值进行比较;
所述较差大于等于所述第一阈值的情况下,通过所述第二采集模块1001增加采集的样本数据和CPIII点的高程数据,通过所述拟合模块1002重新计算所述CPIII点对应的数据模型的拟合参数;
所述较差小于所述第一阈值的情况下,完成所述CPIII点对应的数据模型的训练。
在其他实施例中,所述训练模块1004,还用于将所述第三时期的样本数据和CPIII点的高程数据代入所述CPIII点对应的数据模型,得到所述CPIII点对应的数据模型的拟合精度;
将所述拟合精度与第二阈值进行比较;
所述拟合精度大于等于第二阈值的情况下,计算所述CPIII点的预测高程数据和测量高程数据之间的较差;
所述拟合精度小于第二阈值的情况下,通过所述第二采集模块1001增加采集的样本数据和CPIII点的高程数据,通过所述拟合模块1002重新计算所述CPIII点对应的数据模型的拟合参数。
在其他实施例中,所述第二采集模块1001,还用于针对每个所述CPIII点,获取实时样本数据;
所述预测模块1004,还用于将所述实时样本数据代入训练后的所述CPIII点对应的数据模型,得到所述CPIII点的实时预测高程数据。
在本申请实施例中的各组成部分可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
所述集成的单元如果以软件功能模块的形式实现并非作为独立的产品进行销售或使用时,可以存储在一个计算机可读取存储介质中,基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或processor(处理器)执行本申请实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
因此,本申请实施例提供了一种存储介质,该存储介质存储有计算机程序,所述计算机程序被至少一个处理器执行时实现上述实施例所述的步骤。
参见图11,示出了本申请实施例提供的一种电子设备1100的具体硬件结构,包括:网络接口1101、存储器1102和处理器1103;各个组件通过总线系统1104耦合在一起。可理解,总线系统1104用于实现这些组件之间的连接通信。总线系统1104除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图11中将各种总线都标为总线系统1104,所述存储器1102包括操作系统以及应用程序。
可以理解,本申请实施例中的存储器1102可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double DataRate SDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Sync Link DRAM,SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM,DRRAM)。本文描述的方法的存储器1102旨在包括但不限于这些和任意其它适合类型的存储器。
而处理器1103可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器1103中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1103可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
可以理解的是,本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(ApplicationSpecific Integrated Circuits,ASIC)、数字信号处理器(Digital Signal Processing,DSP)、数字信号处理设备(DSP Device,DSPD)、可编程逻辑设备(Programmable LogicDevice,PLD)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现,可通过执行本文所述功能的模块(例如过程、函数等)来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本申请各实施例中的各功能单元可以全部集成在一个处理模块中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请所提供的几个方法实施例中所揭露的方法,在不冲突的情况下可以任意组合,得到新的方法实施例。
本申请所提供的几个产品实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的产品实施例。
本申请所提供的几个方法或设备实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的方法实施例或设备实施例。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (14)
1.一种斜拉桥CPIII高程建模方法,其特征在于,所述方法包括:
采集第一时期的样本数据和各个CPIII点的高程数据;
针对每个所述CPIII点,将所述第一时期的样本数据和CPIII点的高程数据利用数学拟合算法进行数据建模,得到与所述CPIII点对应的数据模型。
2.根据权利要求1所述的方法,其特征在于,所述将所述第一时期的样本数据和CPIII点的高程数据利用数学拟合算法进行数据建模,得到与所述CPIII点对应的数据模型之后,所述方法还包括:
将所述第一时期的样本数据代入所述CPIII点对应的数据模型,得到所述CPIII点的预测高程数据;
采集第二时期的所述CPIII点的高程数据作为所述CPIII点的测量高程数据;
基于所述CPIII点的预测高程数据和测量高程数据,对与所述CPIII点对应的所述数据模型进行拟合评估;
其中,所述第一时期和所述第二时期为不同的采样时期。
3.根据权利要求2所述的方法,其特征在于,所述基于所述CPIII点的预测高程数据和测量高程数据,对与所述CPIII点对应的所述数据模型进行拟合评估,包括:
计算所述CPIII点的预测高程数据和测量高程数据之间的较差,将所述较差与第一阈值进行比较;
所述较差大于等于所述第一阈值的情况下,重新建立所述CPIII点对应的数据模型;
所述较差小于所述第一阈值的情况下,完成所述CPIII点对应的数据模型的拟合。
4.根据权利要求3所述的方法,其特征在于,所述计算所述CPIII点的预测高程数据和测量高程数据之间的较差之前,所述方法还包括:
将所述第一时期的样本数据和CPIII点的高程数据代入所述CPIII点对应的数据模型,得到所述数据模型的拟合精度;
将所述拟合精度与第二阈值进行比较;
所述拟合精度大于等于第二阈值的情况下,计算所述CPIII点的预测高程数据和测量高程数据之间的较差;
所述拟合精度小于第二阈值的情况下,重新建立所述CPIII点对应的数据模型。
5.根据权利要求1至4任一项所述的方法,其特征在于,
所述样本数据至少包括以下之一:大气温度数据、主桥钢箱梁内部温度数据、里程桥塔塔顶水平偏移数据。
6.一种基于数学模型的CPIII点的高程计算方法,其特征在于,所述方法包括:
采集第三时期的样本数据和各个CPIII点的高程数据;
针对每个所述CPIII点,将所述第三时期的样本数据和CPIII点的高程数据代入拟合得到的所述CPIII点对应的数据模型,得到所述CPIII点对应的数据模型的拟合参数;
将所述第三时期的样本数据和所述拟合参数代入所述CPIII点对应的数据模型,得到所述CPIII点的预测高程数据。
7.根据权利要求6所述的方法,其特征在于,所述将所述第三时期的样本数据和所述拟合参数代入所述CPIII点对应的数据模型,得到所述CPIII点的预测高程数据之后,所述方法还包括:
采集第四时期的所述CPIII点的高程数据作为所述CPIII点的测量高程数据;
基于所述CPIII点的预测高程数据和测量高程数据,对所述CPIII点对应的数据模型进行训练;
其中,所述第三时期和所述第四时期为不同的采样时期。
8.根据权利要求7所述的方法,其特征在于,所述基于所述CPIII点的预测高程数据和测量高程数据,对所述CPIII点对应的数据模型进行训练,包括:
计算所述CPIII点的预测高程数据和测量高程数据之间的较差,将所述较差与第一阈值进行比较;
所述较差大于等于所述第一阈值的情况下,增加采集的样本数据和CPIII点的高程数据,重新计算所述CPIII点对应的数据模型的拟合参数;
所述较差小于所述第一阈值的情况下,完成所述CPIII点对应的数据模型的训练。
9.根据权利要求8所述的方法,其特征在于,所述计算所述CPIII点的预测高程数据和测量高程数据之间的较差之前,所述方法还包括:
将所述第三时期的样本数据和CPIII点的高程数据代入所述CPIII点对应的数据模型,得到所述CPIII点对应的数据模型的拟合精度;
将所述拟合精度与第二阈值进行比较;
所述拟合精度大于等于第二阈值的情况下,计算所述CPIII点的预测高程数据和测量高程数据之间的较差;
所述拟合精度小于第二阈值的情况下,增加采集的样本数据和CPIII点的高程数据,重新计算所述CPIII点对应的数据模型的拟合参数。
10.根据权利要求7所述的方法,其特征在于,所述基于所述CPIII点的预测高程数据和测量高程数据,对所述CPIII点对应的数据模型进行训练之后,所述方法还包括:
针对每个所述CPIII点,获取实时样本数据;
将所述实时样本数据代入训练后的所述CPIII点对应的数据模型,得到所述CPIII点的实时预测高程数据。
11.一种CPIII高程建模装置,其特征在于,所述装置包括:
第一采集模块,用于采集第一时期的样本数据和各个CPIII点的高程数据;
建模模块,用于针对每个所述CPIII点,将所述第一时期的样本数据和CPIII点的高程数据利用数学拟合算法进行数据建模,得到与所述CPIII点对应的数据模型。
12.一种基于数学模型的CPIII点的高程计算装置,其特征在于,所述装置包括:
第二采集模块,用于采集第三时期的样本数据和各个CPIII点的高程数据;
拟合模块,用于针对每个所述CPIII点,将所述第三时期的样本数据和CPIII点的高程数据代入拟合得到的所述CPIII点对应的数据模型,得到所述CPIII点对应的数据模型的拟合参数;
预测模块,用于将所述第三时期的样本数据和所述拟合参数代入所述CPIII点对应的数据模型,得到所述CPIII点的预测高程数据。
13.一种电子设备,其特征在于,所述电子设备包括:
网络接口,用于实现组件之间的连接通信;
存储器,用于存储可执行指令;
处理器,用于执行所述存储器中存储的可执行指令时,实现权利要求1至5中任一项所述的建模方法,或权利要求6至10中任一项所述的计算方法。
14.一种存储介质,其特征在于,所述存储介质存储有计算机程序,当所述计算机程序被至少一个处理器执行时,实现权利要求1至5中任一项所述的建模方法,或权利要求6至10中任一项所述的计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911008298.XA CN110781545A (zh) | 2019-10-22 | 2019-10-22 | 一种斜拉桥cpiii高程建模方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911008298.XA CN110781545A (zh) | 2019-10-22 | 2019-10-22 | 一种斜拉桥cpiii高程建模方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110781545A true CN110781545A (zh) | 2020-02-11 |
Family
ID=69386315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911008298.XA Pending CN110781545A (zh) | 2019-10-22 | 2019-10-22 | 一种斜拉桥cpiii高程建模方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110781545A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5347469A (en) * | 1992-07-22 | 1994-09-13 | Choate William C | Covert ranging method and system |
CN108375367A (zh) * | 2018-01-25 | 2018-08-07 | 中铁第四勘察设计院集团有限公司 | 结合地面激光雷达和倾斜摄影的工点勘察方法及系统 |
CN110344327A (zh) * | 2019-07-03 | 2019-10-18 | 西南交通大学 | 一种斜拉桥上轨道控制网cpiii点实时高程计算方法 |
-
2019
- 2019-10-22 CN CN201911008298.XA patent/CN110781545A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5347469A (en) * | 1992-07-22 | 1994-09-13 | Choate William C | Covert ranging method and system |
CN108375367A (zh) * | 2018-01-25 | 2018-08-07 | 中铁第四勘察设计院集团有限公司 | 结合地面激光雷达和倾斜摄影的工点勘察方法及系统 |
CN110344327A (zh) * | 2019-07-03 | 2019-10-18 | 西南交通大学 | 一种斜拉桥上轨道控制网cpiii点实时高程计算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Thermal load in large-scale bridges: a state-of-the-art review | |
CN103279611A (zh) | 一种应变传感器的优化布置方法 | |
CN114329726B (zh) | 一种基于列车行车性能的铁路桥梁成桥线形评价方法 | |
Wolf et al. | Temperature-induced curl behavior of prestressed concrete and its effect on railroad crossties | |
Maguire et al. | Field verification of simplified analysis procedures for segmental concrete bridges | |
CN114444177B (zh) | 基于傅里叶级数拟合的铁路桥梁桥上铺轨线形优化方法 | |
Dai et al. | Temperature monitoring of high-speed railway bridges in mountainous areas | |
Sebastian et al. | Interpretation of sensor data from in situ tests on a transversely bonded fibre-reinforced polymer road bridge | |
Bayraktarova et al. | Characterisation of the climatic temperature variations in the design of rigid pavements | |
Gedafa et al. | Network-level flexible pavement structural evaluation | |
CN110781545A (zh) | 一种斜拉桥cpiii高程建模方法、装置及存储介质 | |
Shrestha et al. | Assessment of Relationship between Road Roughness and Pavement Surface Condition | |
Ali et al. | Towards development of PCI and IRI models for road networks in the City of St. John’s | |
Wang et al. | Influence of spatial track alignment of long-span arch bridge on train operational stability | |
Zhu et al. | Investigation of temperature-induced effect on rail-road suspension bridges during operation | |
CN110489919B (zh) | 索力影响线曲率的梁结构损伤识别方法 | |
CN105354391B (zh) | 极端温度条件下桥隧过渡段无缝线路稳定性分析方法 | |
Hirachan et al. | Experimental influence lines for bridge evaluation | |
CN113821952B (zh) | 一种基于卡尔曼滤波算法的数字孪生无砟轨道优化方法 | |
Rodriguez | Temperature effects on integral abutment bridges for the long-term bridge performance program | |
Abid et al. | Seasonal temperature gradient distributions in concrete bridge girders: A finite element study | |
Rojas | Uniform temperature predictions and temperature gradient effects on I-girder and box girder concrete bridges | |
Naser | Dynamic analytical modeling of horizontal outline turn of t-girder simply supported bridge | |
CN106407734B (zh) | 一种引入参数λ的桥梁技术状态劣化评估方法 | |
Granello et al. | Microwave radar interferometry as a cost-efficient method of monitoring the structural health of bridges in New Zealand |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200211 |