CN112667970B - 多源观测技术组合的特大型构筑物变形监测方法 - Google Patents
多源观测技术组合的特大型构筑物变形监测方法 Download PDFInfo
- Publication number
- CN112667970B CN112667970B CN202110152399.5A CN202110152399A CN112667970B CN 112667970 B CN112667970 B CN 112667970B CN 202110152399 A CN202110152399 A CN 202110152399A CN 112667970 B CN112667970 B CN 112667970B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- deformation
- model
- points
- data
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 209
- 238000005516 engineering process Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000004927 fusion Effects 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000001360 synchronised effect Effects 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 5
- 230000009897 systematic effect Effects 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 4
- 238000012876 topography Methods 0.000 claims description 3
- 238000007476 Maximum Likelihood Methods 0.000 claims description 2
- 230000001174 ascending effect Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000005305 interferometry Methods 0.000 claims description 2
- 238000004062 sedimentation Methods 0.000 claims description 2
- 238000013179 statistical model Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 7
- 238000010276 construction Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种多源观测技术组合的特大型构筑物变形监测方法，根据不同观测技术在时间/空间分辨率的特征与差异，应用先验数据与变形预测模型，结合M估计理论，建立构筑物多源监测变形结果的一致性评价方法。该发明适用于特大型桥梁、堤坝/水坝、隧道等构筑物的变形监测，能够有效解决其监测结果不一致与监测结果融合问题，提高监测效率与精度，避免构筑物因变形监测技术的多样性、监测数据的多源性、导致变形监测结果不一致、无法对构筑物的实际变形特征做出客观评价的问题。
Description
技术领域
本发明属于安全工程、测绘、计算数学等行业涉及的特大型构筑物变形监测理论与方法，具体涉及一种多源观测技术组合的特大型构筑物变形监测方法。
背景技术
众所周知，构筑物的变形监测是保障构筑物施工、运行的重要安全保障措施。近年，随着信息化对地观测技术的不断发展与完善，特别是我国空基对地观测的北斗卫星导航定位系统、高分辨率对地观测卫星系统的建成，空间信息数据获取有了可靠保障，构筑物变形监测的手段和方法呈现多样化的趋势。目前，构筑物变形监测的现状是采用单一化的监测技术贯穿监测全过程，无法克服监测效率低、监测成本高的缺陷，特别是当构筑物施工环境恶劣、结构异形时，应用单一监测技术甚至无法开展有效安全监测工作，其根节在于缺乏多样化观测技术获取的多源观测数据融合方法。同时，当前构筑物变形监测的现状仅为满足监测的需要，无法实现体系化的监测-预测-评估-预警构筑物全运行周期管理。
发明内容
本发明的目的是：提供一种多源观测技术组合的特大型构筑物变形监测方法，建立应用多种观测技术的多源观测数据融合一致性评价与组合监测方法，实现构筑物施工-运行全周期变形监测-预测-评估-预警的体系化管控模式，能够有效克服单一化监测手段的不足，解决目前构筑物变形监测面临的瓶颈问题。
本发明的技术解决方案是：应用基于全球卫星导航定位(global navigationsatellite system, GNSS)/水准测量/合成孔径雷达干涉测量(interferometricsynthetic aperture radar, InSAR)得到的变形监测结果，采用基于Msplit估计的数理统计理论，针对无监测基准与有参考监测基准的两种情况，根据Helmert变换矩阵，建立不同观测技术得到的不同监测结果一致性检测结果，基本步骤包括：检测-识别-调整；依据一致性检测结果，应用方差分量估计(variance component estimation, VCE)与变形时间序列预测模型，根据不同监测技术在时间/空间分辨率的差异，实现构筑物变形的无人监测。
其中，该监测方法的实现步骤如下：
Step1.应用不同对地观测技术分别对构筑物进行变形监测，应用变量中含有误差(errors-in-variables, EIV)的模型参数估计理论，对监测数据进行处理，并以经过偏差改正的中误差作为数据处理的精度指标；
Step2.多源变形监测结果的一致性检测，包括无基准的自由监测网一致性检测，有参考基准的监测网不进行此项检测；
Step3.应用Helmert矩阵与S-转换模型，根据高斯分布概率密度函数，建立M估计的参数估计模型，进行包括无基准与有参考基准的监测网稳定点识别；
Step4.根据识别结果，剔除监测网基准点中的不稳定点，调整监测网的基准点；重复step2-step4，直至变形监测结果一致性检测通过；
Step5.应用VCE理论，实现构筑物多源监测同期变形数据融合；
Step6.多源不同期监测数据融合，包括构筑物变形的组合监测与预测；在实现多源观测数据组合监测的基础上，构建构筑物变形预测的时间序列模型，并应用具有固定往返周期的SAR卫星数据对预测模型修正、检核、以及构筑物的安全预警，实现构筑物变形的无人监控。
Step1中，根据构筑物的结构特征与所处的环境要素特征，分别应用GNSS、水准测量、InSAR对地观测技术对特定构筑物的监测点进行同期或者不同期的监测；根据构筑物所处的地形地质条件，以及已有的已知点条件，变形监测网选择有参考基准的观测网或无基准的自由网；应用EIV模型对观测数据进行处理，得到具有严密数学模型的参数估计结果；应用偏差改正的中误差对监测结果进行精度评定；对不同观测技术得到的监测结果进行标准化处理，水平向变形应归算到构筑物轴线方向，垂直向变形应归算到铅垂方向；尤其是应用InSAR技术监测构筑物需要由面状形变信息提取点状形变信息。
Step2中，无基准自由监测网的一致性检测是将不同对地观测技术得到的监测结果进行两两作差组合，并用监测点的变形数据构建F检验统计量，逐点检测检测点的稳定性；检测通过，则该监测点稳定，不同观测技术得到的监测结果一致；检测不通过，则该监测点不稳定，不同观测技术得到的监测结果不一致；逐点迭代完成该检验，则监测网中的所有监测点被分为两类：即稳定点与不稳定点；其中，有参考基准的监测网不进行稳定性检测，将已知的基准点作为参考点，应用不同观测技术对监测点进行观测，经处理得到同期/不同期的变形监测数据。
Step3中，应用M估计对监测网中的不稳定点进行识别；经过Step2的监测网一致性检测，无基准监测网的监测点稳定性得到结论，有参考基准监测网的已知点视为稳定；无基准监测网的一致性检测不通过，监测网的不一致可能是其它一个或者多个不稳定监测点导致；有参考基准监测网的监测点变形也有可能是视为稳定的已知监测点发生沉降不稳定引起，因此，需要进行稳定性识别；不稳定点识别的方法为：根据应用不同对地观测技术得到的监测点同期/不同期的监测数据，推算监测点变形量，应用含有七个参数分量的Helmert矩阵构建S-转换模型，根据高斯分布概率密度函数将观测数据分为两类，即含有随机误差的观测值与含有系统误差的观测值，建立M估计参数估计模型，并根据最大似然估计准则解算模型参数，识别监测网中的稳定点。
Step4中，监测网的基准点调整，不稳定基准点的剔除应根据M估计得到的协因数阵精度指标逐一剔除-调整；有参考基准监测网的已知点如果被全部剔除，则转为无基准的自由监测网进行一致性检测。
Step5中，同期多源变形监测数据的初值由通过监测结果一致性检测-识别-调整的稳定基准点推算得到，VEC模型的初始协方差阵为step1中对不同监测数据进行处理，应用EIV模型进行参数估计的参数估值协方差阵；根据EIV模型的最小二乘方差估计理论，进行多源同期监测数据的融合，实现构筑物的组合变形监测。
Step6中，由不同期监测数据构建构筑物变形的时间序列模型，对模型进行显著性检测，将参数估计模型拓展为具有严密数学模型的EIV模型，包括其函数模型与随机模型；对变形预测模型的精度进行估计，包括模型的内符合精度与外符合精度，内符合精度指标为经过偏差改正的单位权中误差，外符合精度为由检核数据计算得到的方差或中误差；应用具有固定往返周期的SAR卫星升/降轨数据生成干涉影像，根据预测模型与变形特征生成约束条件方程，推算监测对象的变形信息；应用SAR变形监测对构筑物的变形预测进行模型修正、检核、安全预警，安全预警模型由概率统计模型t检测构建。
本发明具有以下优点：
1. 本发明方法是应用不同对地观测技术对构筑物进行组合变形监测的体系化作业方法。
2. 本发明方法是建立应用多源观测数据进行数据融合的一致性检测方法。
3. 本发明方法是构建能够顾及作业过程中观测误差与模型误差的具有严密解析关系的参数估计与精度评定方法。
4. 本发明方法是在多源观测技术进行组合监测的基础上，提出构筑物施工-运行全生命周期的监测-预测-评估-预警安全监控体系与方法。
5. 本发明方法是建立基于空基SAR的构筑物变形趋势的检核-修正-预测，能够实现构筑物安全监测的无人化监控。
6.本发明方法的应用范畴不仅仅局限于应用多源观测技术融合实现构筑物的变形监测，也适用于构筑物运行周期内的安全性评估、预测与预警。
7.本发明方法针对特大型构筑物变形监测采用的单一化技术导致的瓶颈问题，基于M估计理论建立构筑物变形多源监测数据融合的一致性评价方法。
8.本发明方法是结合Helmert矩阵、S转换模型与概率统计理论，构造多源监测同期/不同期数据组成的无基准/有参考基准的监测网检测-识别-调整方法，并以此为基础，应用具有严密数学模型的EIV参数估计理论与方差分量估计理论建立多源监测数据融合方法，结合变形预测模型与SAR观测数据提出构筑物全周期的变形监测方案。
附图说明
图1为本发明应用于桥梁变形监测的示意框图。
具体实施方式
下面结合附图，以应用GNSS/水准测量/InSAR三种观测技术对桥梁变形进行监测为例，说明本发明的实施方案，但不应理解为是对技术方案的限制。
实施例：桥梁为江苏省境内的某一跨河大桥，桥长2032米，桥面为双向六车道公路，设计速度80千米/小时，大桥由北引桥、主桥和南引桥三大部分组成。监测点分布于主桥双塔、主桥群墩、桥面50米间隔均匀布设。主桥双塔监测点应用GNSS进行不间断动态变形监测；主桥群墩监测点在施工期应用水准测量进行周期性监测，运行期应用GNSS进行不间断动态变形监测；桥面监测点在施工-运行期间应用水准测量进行周期性监测；同时，根据哨兵雷达卫星的往返周期对该桥梁进行周期性监测。
其中，对桥梁变形进行监测的具体步骤如下：
Step1. 根据桥梁构所处的地形地质条件，布设变形监测网，包括有参考基准的监测网或无基准的自由监测网；根据桥梁的结构特征，应用GNSS、水准测量、InSAR对地观测技术对桥梁构的监测点进行观测，作业标准符合国家相关规范要求；
Step2. 应用EIV模型对观测数据进行处理，应用经过偏差改正的中误差对处理结果进行精度评定；对不同观测技术得到的监测结果进行标准化处理：水平向变形归算到桥梁轴线方向，垂直向变形归算到铅垂方向；
Step3. 将不同对地观测技术得到的监测结果进行两两作差组合，如应用的GNSS/水准测量/InSAR三种观测技术则有种组合，根据组合的变形数据构建F检验统计量，对无基准自由监测网的一致性进行逐点迭代检测，有参考基准的监测网不进行稳定性检测；
Step4. 应用Helmert矩阵与S-转换模型，根据概率密度函数建立M估计模型，进行无基准/有参考基准的监测网稳定点识别；
Step5. 根据step4的识别结果，剔除监测网基准点中的不稳定点，重新调整监测网的基准点；有参考基准监测网的已知点如果被全部剔除，则将其转为无基准的自由监测网处理；重复step3-step5，直至变形监测结果一致性检测通过；
Step6. 由通过一致性检测的稳定基准点推算同期多源变形数据的初值，根据EIV模型的最小二乘方差估计理论，进行多源同期监测数据融合，实现桥梁的组合变形监测；
Step7.在实现多源观测数据组合监测的基础上，构建桥梁变形预测的时间序列模型，应用EIV参数估计理论解算参数估值并评定其精度；应用具有固定往返周期的SAR卫星数据或者其它监测数据对预测模型检核、修正、以及桥梁的安全预警，实现桥梁变形的组合监测与预测。
部分监测周期监测数据如表1所示。对监测数据进行处理，处理流程如图1所示。根据变形监测中衡量的重要指标-相邻观测点之间的差值，结果表明监测点下沉不够均匀和稳定，但是都较小，一般为0.5到1.5毫米之间。下沉最大相邻点下沉差值为3.3mm，各期观测的沉降数据说明升降数据差值较小，观测成果累计最大值是3.9mm。相邻点下沉最大差值为5.6mm，两点间距离约为50米，按照建筑变形观测点最大差值应为2/1000*50m=10cm，而5.6mm仅为变形允许最大值的0.05，因此对桥梁的基础倾斜不产生影响。
SAR四期升降轨数据得到的监测数据，列于表2，由于雷达卫星返往周期均在该桥梁预定变形监测周期范围之外，因此，此类数据可以作为桥梁后期运行的安全评估使用。
表1部分监测周期的监测数据
表2 SAR干涉影像得到的部分监测点变形数据
。
Claims (1)
1.多源观测技术组合的特大型构筑物变形监测方法，应用基于全球卫星导航定位GNSS)、水准测量和合成孔径雷达干涉测量InSAR得到的变形监测结果，采用基于Msplit估计的数理统计理论，针对无监测基准与有参考监测基准的两种情况，根据Helmert变换矩阵，建立不同观测技术得到的不同监测结果一致性检测结果，基本步骤包括：检测-识别-调整；依据一致性检测结果，应用方差分量估计 VCE与变形时间序列预测模型，根据不同监测技术在时间和空间分辨率的差异，实现构筑物变形的无人监测；其特征是该监测方法的具体实现步骤如下：
Step1.应用不同对地观测技术分别对构筑物进行变形监测，应用变量中含有误差EIV的模型参数估计理论，对监测数据进行处理，并以经过偏差改正的中误差作为数据处理的精度指标；Step1中，根据构筑物的结构特征与所处的环境要素特征，分别应用GNSS、水准测量、InSAR对地观测技术对特定构筑物的监测点进行同期或者不同期的监测；根据构筑物所处的地形地质条件，以及已有的已知点条件，变形监测网选择有参考基准的观测网或无基准的自由网；应用EIV模型对观测数据进行处理，得到具有严密数学模型的参数估计结果；应用偏差改正的中误差对监测结果进行精度评定；对不同观测技术得到的监测结果进行标准化处理，水平向变形应归算到构筑物轴线方向，垂直向变形应归算到铅垂方向；尤其是应用InSAR技术监测构筑物需要由面状形变信息提取点状形变信息；
Step2.多源变形监测结果的一致性检测，包括无基准的自由监测网一致性检测，有参考基准的监测网不进行此项检测；Step2中，无基准自由监测网的一致性检测是将不同对地观测技术得到的监测结果进行两两作差组合，并用监测点的变形数据构建F检验统计量，逐点检测监测点的稳定性；检测通过，则该监测点稳定，不同观测技术得到的监测结果一致；检测不通过，则该监测点不稳定，不同观测技术得到的监测结果不一致；逐点迭代完成该检验，则监测网中的所有监测点被分为两类：即稳定点与不稳定点；其中，有参考基准的监测网不进行稳定性检测，将已知的基准点作为参考点，应用不同观测技术对监测点进行观测，经处理得到同期或不同期的变形监测数据；
Step3.应用Helmert矩阵与S-转换模型，根据高斯分布概率密度函数，建立M估计的参数估计模型，进行包括无基准与有参考基准的监测网稳定点识别；Step3中，应用M估计对监测网中的不稳定点进行识别；经过Step2的监测网一致性检测，无基准监测网的监测点稳定性得到结论，有参考基准监测网的已知点视为稳定；无基准监测网的一致性检测不通过，监测网的不一致可能是其它一个或者多个不稳定监测点导致；有参考基准监测网的监测点变形也有可能是视为稳定的已知监测点发生沉降不稳定引起，因此，需要进行稳定性识别；不稳定点识别的方法为：根据应用不同对地观测技术得到的监测点同期或不同期的监测数据，推算监测点变形量，应用含有七个参数分量的Helmert矩阵构建S-转换模型，根据高斯分布概率密度函数将观测数据分为两类，即含有随机误差的观测值与含有系统误差的观测值，建立M估计参数估计模型，并根据最大似然估计准则解算模型参数，识别监测网中的稳定点；
Step4.根据识别结果，剔除监测网基准点中的不稳定点，调整监测网的基准点；重复step2-step4，直至变形监测结果一致性检测通过；Step4中，监测网的基准点调整，不稳定基准点的剔除应根据M估计得到的协因数阵精度指标逐一剔除-调整；有参考基准监测网的已知点如果被全部剔除，则转为无基准的自由监测网进行一致性检测；
Step5.应用VCE理论，实现构筑物多源监测同期变形数据融合；Step5中，同期多源变形监测数据的初值由通过监测结果一致性检测-识别-调整的稳定基准点推算得到，VEC模型的初始协方差阵为step1中对不同监测数据进行处理，应用EIV模型进行参数估计的参数估值协方差阵；根据EIV模型的最小二乘方差估计理论，进行多源同期监测数据的融合，实现构筑物的组合变形监测；
Step6.多源不同期监测数据融合，包括构筑物变形的组合监测与预测；在实现多源观测数据组合监测的基础上，构建构筑物变形预测的时间序列模型，并应用具有固定往返周期的SAR卫星数据对预测模型修正、检核、以及构筑物的安全预警，实现构筑物变形的无人监控；Step6中，由不同期监测数据构建构筑物变形的时间序列模型，对模型进行显著性检测，将参数估计模型拓展为具有严密数学模型的EIV模型，包括其函数模型与随机模型；对变形预测模型的精度进行估计，包括模型的内符合精度与外符合精度，内符合精度指标为经过偏差改正的单位权中误差，外符合精度为由检核数据计算得到的方差或中误差；应用具有固定往返周期的SAR卫星升和降轨数据生成干涉影像，根据预测模型与变形特征生成约束条件方程，推算监测对象的变形信息；应用SAR变形监测对构筑物的变形预测进行模型修正、检核、安全预警，安全预警模型由概率统计模型t检测构建。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110152399.5A CN112667970B (zh) | 2021-02-04 | 2021-02-04 | 多源观测技术组合的特大型构筑物变形监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110152399.5A CN112667970B (zh) | 2021-02-04 | 2021-02-04 | 多源观测技术组合的特大型构筑物变形监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112667970A CN112667970A (zh) | 2021-04-16 |
| CN112667970B true CN112667970B (zh) | 2024-04-12 |
Family
ID=75399213
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110152399.5A Active CN112667970B (zh) | 2021-02-04 | 2021-02-04 | 多源观测技术组合的特大型构筑物变形监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112667970B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106526590A (zh) * | 2016-11-04 | 2017-03-22 | 山东科技大学 | 一种融合多源sar影像工矿区三维地表形变监测及解算方法 |
| WO2018236215A1 (en) * | 2017-06-21 | 2018-12-27 | Technische Universiteit Delft | RADAR RETROREFLECTIVE DEVICE AND METHOD FOR PREPARING A RADAR RETROREFLECTIVE DEVICE |
| CN110044327A (zh) * | 2019-04-29 | 2019-07-23 | 上海颖川佳固信息工程股份有限公司 | 一种基于sar数据与gnss数据的基础设施沉降监测方法及系统 |
| CN110453731A (zh) * | 2019-08-15 | 2019-11-15 | 中国水利水电科学研究院 | 一种大坝边坡形变监测系统及方法 |
| CN110888130A (zh) * | 2019-10-30 | 2020-03-17 | 华东师范大学 | 一种基于升降轨时序InSAR的煤矿区地表形变监测方法 |
| CN111426300A (zh) * | 2020-05-19 | 2020-07-17 | 北京市水文地质工程地质大队(北京市地质环境监测总站) | 地面沉降分区分层监控预警方法及装置 |
| CN111812600A (zh) * | 2020-06-29 | 2020-10-23 | 中南林业科技大学 | 一种自适应地形相关的srtm-dem校正方法 |
| CN112051572A (zh) * | 2020-09-14 | 2020-12-08 | 广东省核工业地质局测绘院 | 一种融合多源sar数据三维地表形变监测方法 |
-
2021
- 2021-02-04 CN CN202110152399.5A patent/CN112667970B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106526590A (zh) * | 2016-11-04 | 2017-03-22 | 山东科技大学 | 一种融合多源sar影像工矿区三维地表形变监测及解算方法 |
| WO2018236215A1 (en) * | 2017-06-21 | 2018-12-27 | Technische Universiteit Delft | RADAR RETROREFLECTIVE DEVICE AND METHOD FOR PREPARING A RADAR RETROREFLECTIVE DEVICE |
| CN110044327A (zh) * | 2019-04-29 | 2019-07-23 | 上海颖川佳固信息工程股份有限公司 | 一种基于sar数据与gnss数据的基础设施沉降监测方法及系统 |
| CN110453731A (zh) * | 2019-08-15 | 2019-11-15 | 中国水利水电科学研究院 | 一种大坝边坡形变监测系统及方法 |
| CN110888130A (zh) * | 2019-10-30 | 2020-03-17 | 华东师范大学 | 一种基于升降轨时序InSAR的煤矿区地表形变监测方法 |
| CN111426300A (zh) * | 2020-05-19 | 2020-07-17 | 北京市水文地质工程地质大队(北京市地质环境监测总站) | 地面沉降分区分层监控预警方法及装置 |
| CN111812600A (zh) * | 2020-06-29 | 2020-10-23 | 中南林业科技大学 | 一种自适应地形相关的srtm-dem校正方法 |
| CN112051572A (zh) * | 2020-09-14 | 2020-12-08 | 广东省核工业地质局测绘院 | 一种融合多源sar数据三维地表形变监测方法 |
Non-Patent Citations (6)
| Title |
|---|
| "solution for rank-defect EIV model based on TLS estimation";J. Yang et al;《Survey Review》;20160505;171-175 * |
| "Vertical displacement rates in the Upper Rhine Graben area derived from precise leveling";Thomas Fuhrmann et al;《Journal of Geodesy》;20140503;773-787 * |
| " 融合GNSS与InSAR的矿区地表三维形变监测";周文韬;《中国优秀硕士学位论文全文数据库 工程科技I辑 》;20210815;B021-22 * |
| " 附有先验信息的测量数据处理理论及在大地测量中的应用";谢建;《中国博士学位论文全文数据库 基础科学辑》;20150215;A008-29 * |
| "Applying InSAR and GNSS Data to Obtain 3-D Surface Deformations Based on Iterated Almost Unbiased Estimation and Laplacian Smoothness Constraint";Panfeng Ji et al;《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》;20201124;337-349 * |
| "基于经验模态分解的滑坡变形监测模型";杨娟 等;《 河北北方学院学报(自然科学版)》;20140720;第30卷(第4期);26-30 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112667970A (zh) | 2021-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110174044B (zh) | 一种基于psi技术的桥梁纵向位移形变监测的方法 | |
| Lovas et al. | Terrestrial laser scanning in deformation measurements of structures | |
| Qin et al. | A structure knowledge-synthetic aperture radar interferometry integration method for high-precision deformation monitoring and risk identification of sea-crossing bridges | |
| CN109633723B (zh) | 一种附水平约束的单历元gnss解算方法 | |
| CN115839692A (zh) | 一种用于收敛、沉降监测的阵列式位移计监测方法及系统 | |
| Okiemute et al. | Comparative analysis of dgps and total station accuracies for static deformation monitoring of engineering structures | |
| CN112667970B (zh) | 多源观测技术组合的特大型构筑物变形监测方法 | |
| CN117054022A (zh) | 一种桥梁精细形变提取方法与系统 | |
| CN110344327B (zh) | 一种斜拉桥上轨道控制网cpiii点实时高程计算方法 | |
| Berberan et al. | Automatic multi total station monitoring of a tunnel | |
| Previtali et al. | Informative content models for infrastructure load testing management: the Azzone Visconti Bridge In Lecco | |
| Mrówczyńska et al. | The model identification of buildings horizontal displacements with the use of a free geodetic network | |
| Chirilă et al. | APPLYING TRIGONOMETRIC LEVELLING FOR MONITORING THE VERTICAL DEFORMATIONS OF ENGINEERING STRUCTURES. | |
| CN113899344A (zh) | 一种考虑温度效应的长大隧道高精度沉降监测系统及方法 | |
| Suchocki et al. | An example of using the OptD method to optimization of point clouds in the buildings diagnostics | |
| Long et al. | Research on displacement monitoring method of heavy load bridge structure based on stereo vision | |
| Gamse et al. | Assessment of long term pendulum and geodetic observations on a concrete arch dam | |
| Liu et al. | Dynamic displacement measurement method of bridge structure based on photographic image | |
| Zhang et al. | Research on LSTM-based Model for Predicting Deformation of Tunnel Section During Construction Period | |
| CN111458761B (zh) | 海上重力比对场建设方法 | |
| Mao et al. | Study on Identification and Monitoring of Long-Span Bridges in Service Based on GPS and BDS Dynamic Observation | |
| Kowalska et al. | Determining the trend of geometrical changes of a hydrotechnical object based on data in the form of LiDAR point clouds | |
| Seidl et al. | Deformation measurement of the Orlík dam− evaluation and innovation of methods | |
| Pan et al. | Optimizing data reliability and constructing a fusion monitoring system using static level and GNSS measurements | |
| Fan et al. | A method for detecting parallelism and flatness of truss tracks |
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 |