工程测量中的变形观测和数据处理！！适合大中专学者！

利用遗传算法优化BP神经网络模型对数据进行仿真训练，可以对变形监测数据以及其他领域的数据进行预测，实验结果表明遗传算法优化BP神经网络模型比BP神经网络模型有着更好的预测精度，代码是基于matlab语言自己写的，可供参考

测量机器人变形监测自动化系统pdf,TCA型测量机器人是在全站仪的基础上集成激光、 精密机械、 微型计算机、CCD 传感器以及人工智能技术 发展起来的 ,在滑坡、 水工建筑物的变形监测中 ,能快速、 准确地获取资料。论述了测量机器人技术系统的软硬 件设计与基于 GIS技术的变形监测数据库管理 ,以及该系统在水工建筑安全监测、 滑坡变形监测上的应用。该 系统的使用减少了人工劳动强度 ,提高了安全度 ,实现了滑坡、 水利工程的实时监控。

一个excel的二次开发，用于变形监测数据处理及预报

利用小波阈值法对变形监测数据进行噪声去除，其中可以对去噪参数进行设置得到最优的去噪结果，代码是基于matlab语言写的。

针对基于最小二乘的常规井筒变形监测算法中,系数矩阵往往包含观测值误差影响,难以解算出井筒变形最优解,提出一种抗差加权整体最小二乘算法。该算法通过同时对待求参数和系数矩阵进行估计,克服常规最小二乘系数矩阵受观测值随机误差影响;同时结合IGGⅢ三段权函数抗差因子,调整各观测值权函数,消除观测值粗差对最终变形估计值的影响,得到最优的井筒变形值。最后分别采用模拟和实测井筒数据对算法进行了验证,结果表明:当观测值含有随机误差时,整体最小二乘算法优于最小二乘,但都无法抵御观测粗差影响;抗差加权整体最小二乘算法可以有效抵御观测粗差,修正观测随机误差影响,且精度优于抗差最小二乘;采用抗差加权整体最小二乘算法对实测井筒变形数据进行解算结果与实际相符,可以增强变形监测结果的可靠性,提高井筒变形量精度。

利用粒子群算法（PSO）对BP神经网络模型进行优化，可以对数据进行仿真训练，可以对变形监测以及其他领域的数据进行预测，实验结果表明粒子群算法（PSO）对BP神经网络模型比BP神经网络模型有着更好的预测精度以及在预测时间上也大大加快，代码是基于matlab语言自己写的。

变形监测技术介绍、变形监测数据的预处理、变形监测参考系和基准点的稳定性分析、变形分析与建模的基本理论与分析方法、变形的确定性模型和混合模型等内容

数据为一变形监测点的24期位移监测结果（分别为X,Y,H），编制程序绘制出该点的变形曲线图，每个方向一个位移序列图。

一本测绘工程专业使用的变形监测的专业教程，包括变形观测技术和相关数据处理算法等。