【摘要】： 边坡工程是一项随处可见而且危险性极高的岩土工程项目。边坡的稳定状况事关人类生命财产安全,有时甚至关系到一个国家的经济和社会的发展。本文重点研究边坡监测与预测预报中的智能化方法。 首先,论文对边坡的监测方法做了比较详细的讨论与分析。传统的边坡监测往往不能实时采集到有用的信息。因此,本文提出了多参数、多测点集成化监测的技术构想,即在监测的现场布置的监测仪器能够一台仪器连接多个传感器,采集多个参数的信息,再通过无线传输技术把数据实时提交给监控中心进行分析和预测。 其次,论文详细介绍了对采集的数据进行分析和预测的种种方法,包括数据的预处理、分析过程和预测预报方法。对边坡进行监测是提取数据的方法,但是对提取的数据如何得出其中的规律性,并对边坡的未来状况进行预测预报更是一个重要的部分。因此本文提出采用曲线拟合、趋势叠加、卡尔曼滤波和小波滤波方法对数据进行预处理。根据监测数据的不同种类和属性,我们可以采用多元线性回归分析、非线性回归分析、指数平滑法、自回归模型、滑动平均模型、自回归滑动平均模型、门限自回归模型、非线性动力学模型、非线性混沌模型、灰色系统模型和神经网络模型对数据进行分析。结合信息融合技术,本文建立了组合灰色神经网络模型和灰色神经网络模型。并且对预测预报软件进行了开发。 同时,对数据进行分析之后,如何通过数据的后期发展来表述边坡的稳定状况便是预报判据建立的过程。由于监测数据包括物理的、数学的和统计的等参量,本文提出了采用信息融合技术结合专家经验的方法建立智能预报判据。 最后,在对前三方面进行分析的基础之上,本文对边坡的远程网络监控技术进行了探讨。 【关键词】：边坡监测 监测数据 处理 预测预报 信息融合 预报判据 网络监控
【学位授予单位】：中国科学院研究生院（武汉岩土力学研究所）
【学位级别】：硕士
【学位授予年份】：2005
【分类号】：TU43
【DOI】：CNKI:CDMD:2.2006.194671
【目录】：

• 中文摘要5-6
• 英文摘要6-12
• 第一章 绪论12-19
• 1.1 引言12-14
• 1.2 国内外研究的历史与现状14-17
• 1.2.1 监测方法的研究现状14-15
• 1.2.2 预测预报的研究历史与现状15-16
• 1.2.3 预报判据的研究现状16-17
• 1.3 本文研究的主要内容、目的和意义17-19
• 1.3.1 研究内容17
• 1.3.2 研究目标17-18
• 1.3.3 研究意义18-19
• 第二章 边坡预测预报参数的提取19-34
• 2.1 引言19-20
• 2.2 边坡监测的内涵20-21
• 2.2.1 监测的目的和作用20-21
• 2.2.2 边坡监测的主要内容21
• 2.3 监测数据提取的具体实现21-30
• 2.4 目前方法的改进和多参数监测系统的形成30-32
• 2.4.1 监测技术未来的发展30-31
• 2.4.2 监测系统形成的原则31
• 2.4.3 监测系统的形成31-32
• 2.5 本章小结32-34
• 第三章 监测现场综合信息分析处理平台34-95
• 3.1 引言34-35
• 3.2 监测数据预处理35-42
• 3.2.1 数据的曲线拟合35-36
• 3.2.2 趋势叠加36-37
• 3.2.3 数据的滤波处理37-40
• 3.2.4 多元非线性相关分析40-42
• 3.3 监测数据的常规处理42-53
• 3.3.1 回归分析42-45
• 3.3.1.1 多元线性回归分析42-43
• 3.3.1.2 非线性回归分析43-45
• 3.3.2 时间序列分析45-53
• 3.3.2.1 指数平滑法45-47
• 3.3.2.2 自回归模型47-49
• 3.3.2.3 滑动平均模型49-50
• 3.3.2.4 自回归滑动平均模型50-51
• 3.3.2.5 门限自回归模型51-53
• 3.4 监测数据的非线性处理53-69
• 3.4.1 非线性动力学模型53-58
• 3.4.1.1 基本反演方法和建模要点53-56
• 3.4.1.2 滑坡非线性动力学模型的建立56-58
• 3.4.2 非线性混沌模型58-69
• 3.4.2.1 几个基本问题58-62
• 3.4.2.2 全域预测法62-63
• 3.4.2.3 局域预测法63
• 3.4.2.4 加权零阶局域法63-64
• 3.4.2.5 加权一阶局域法64-66
• 3.4.2.6 基于Lyapunov 指数法66-69
• 3.5 监测数据的灰色系统理论预测69-75
• 3.5.1 基本原理与基本概念69-70
• 3.5.2 GM(1,1)模型70-71
• 3.5.3 Verhulst 模型71-73
• 3.5.4 其它模型73-75
• 3.6 监测数据的神经网络预测75-84
• 3.6.1 神经网络在边坡中应用概述75-77
• 3.6.2 基本原理77-78
• 3.6.3 模型构建78-80
• 3.6.4 BP 神经网络建模80-84
• 3.7 监测数据的多理论综合处理84-89
• 3.7.1 组合灰色神经网络模型84-86
• 3.7.1.1 建模的思想84-85
• 3.7.1.2 模型的建立85-86
• 3.7.2 神经网络模型86-89
• 3.7.2.1 建模的思想86-87
• 3.7.2.2 模型的建立87-89
• 3.8 综合性预测预报软件的开发89-94
• 3.8.1 现有预测预报软件的主要不足89-90
• 3.8.2 软件设计思想90-93
• 3.8.3 软件设计过程93-94
• 3.9 本章小结94-95
• 第四章 专家系统与智能预报判据95-109
• 4.1 引言95
• 4.2 常用预报判据95-99
• 4.3 各种判据的不足与改进99-100
• 4.4 信息融合结合专家经验建立智能判据100-108
• 4.4.1 信息融合的基本点101-102
• 4.4.2 信息融合的模型102-104
• 4.4.3 信息融合的算法104
• 4.4.4 基于贝叶斯规则的融合方法104-105
• 4.4.5 证据推理105-107
• 4.4.6 综合信息处理与专家评估107-108
• 4.5 本章小结108-109
• 第五章 边坡远程网络监控系统的建立109-121
• 5.1 引言109
• 5.2 系统的构成和关键技术109-115
• 5.2.1 现场监控系统110-113
• 5.2.2 现场信息监控平台113-114
• 5.2.3 远程网络监控中心114-115
• 5.3 远程网络传输技术115-116
• 5.3.1 功能分析115-116
• 5.3.2 通信协议116
• 5.4 系统软件设计116-120
• 5.4.1 短距离无线传输软件设计116-117
• 5.4.2 远程网络传输软件实现117-119
• 5.4.3 现场信息综合处理平台软件设计119-120
• 5.5 本章小结120-121
• 第六章 结论与展望121-125
• 6.1 结论121-123
• 6.2 展望123-125
• 参考文献125-132
• 致谢132-133
• 科研成果统计133