人工智能-泛化回归神经网络在深基坑变形监测中的应用研究.pdf

高教类课件--变形监测

变形监测数据处理是结构健康监测的一个重要内容。大型结构变形监测的数据往往表现出非线性、非平稳、含有强噪声及多种频率成分叠加的多尺度特征等特点。《希尔伯特-黄变换理论及其在重大工程变形监测中的应用》作者徐佳、麻凤基于理论分析、数值仿真、实验及现场监测等方法，对希尔伯特—黄(HHT)理论进行了系统研究，对基于EEMD滤波去噪特性及其在结构动态特性分析的模型建立等问题进行了分析；之后结合GPS动态监测数据处理、阜新海州露天矿边坡监测数据处理、GPS桥梁动态监测特性分析，以及基于地面微波雷达桥梁动态监测数据处理等实例，介绍了HHT在重大工程变形监测中的分析方法。 《希尔伯特-黄变换理论及其在重大工程变形监测中的应用》可供工程测量、土木工程、结构监测等领域的研究人员、工程技术人员和高等院校相关专业师生参考。

变形监测数据不可避免会受到噪声的影响,使得变形监测数据中包含有实际变形量和噪声。针对该情况,提出采用小波变换进行数据降噪处理,提取变形数据中有用信号信息并恢复信号的光滑性。并通过实例验证了小波去噪在变形监测数据处理中的有效性和可行性。

一份优秀的基坑支护变形监测报告（表格模板、XLS格式）能够对我们提供很大的帮助，不但能够为我们提供方...该文档为基坑支护变形监测报告（表格模板、XLS格式），是一份很不错的参考资料，具有较高参考价值，感兴趣的可以下载看看

针对矿山边坡预测模型精度低等问题,提出一种由主成分分析(PCA)、灰狼算法(GWO)和支持向量机(SVM)组合的混合模型(PCA-GWO-SVM)。首先,采用PCA对原始数据进行降维去噪;其次,通过GWO算法优化支持向量机参数;最后,通过SVM实现矿山边坡变形的预测。矿山边坡实例表明PCA-GWO-SVM模型具有更高的预测精度。

“测量助手—变形监测数据处理”软件在便携式或台式微机的Windows环境下运行，主要用于变形监测工作的数据处理。可对电子全站仪（TPS）、电子水准仪(ELI)以及常规地面电子测量仪器自动记录的变形监测原始观测数据进行转换，完成从概算、平差、计算报告输出、网图绘制、观测数据手簿输出、成果报表输出的自动化数据处理流程。实现了从外业数据采集、内业数据处理、成果报表报告输出的一体化和自动化作业流程。 联系QQ：373256523

小波变换和BP神经网络模型在沉降变形监测中的应用研究.pdf

用InSAR技术进行形变监测的研究，值得一看

利用BP神经网络模型对变形监测数据进行仿真训练，对未来变形数据进行预测，代码是基于matlab语言自己写的