导读:本文包含了变形时序论文开题报告文献综述及选题提纲参考文献，主要关键词:开采沉陷,时序InSAR,GPS,叁维变形监测
变形时序论文文献综述
丁宁,邓清海,耿许可,蒋爱萍,万方[1]（2019）在《融合时序InSAR与GPS的龙首矿露天矿坑叁维变形规律研究》一文中研究指出金川龙首矿露天矿坑经历了露天开采和地下开采两种开采活动的影响,地表岩体变形破坏严重。融合时序InSAR数据与GPS数据,对该矿露天坑叁维变形规律进行了研究。首先,基于小基线集技术(SABS-InSAR),利用10景ALOS(PALSAR)影像,采用赫尔默特方差算法建立了SAR数据与GPS数据的融合模型,获得了2009—2011年的叁维变形数据;然后利用37景Sentinel数据,并引入基于先验知识的间接求解方法来提高SN向精度,从而获得2015—2016年叁维变形数据。研究表明:2009—2011年矿坑EW向变形量达到-219.205～232.965 mm/a,SN向变形量达到-158.566～110.177 mm/a,垂向变形量达到-317.132～82.58 mm/a;2015—2016年矿坑EW向变形量达到-295.511～100.374 mm/a,SN向变形量为-41.429～194.373 mm/a,垂向变形量达到-427.585～64.435 mm/a。通过对比两个时序的形变量得知:矿坑年均变形量有减小趋势,但变形趋势并未有明显变化,仍表现为矿坑上下盘各形成了一个沉降区,在坑底形成一个抬升区。分析结果对于矿坑后续变形监测和稳定性控制有一定的借鉴价值。(本文来源于《金属矿山》期刊2019年10期）
蔡舒凌,李二兵,陈亮,高磊,濮仕坤[2]（2019）在《基于FA-NAR动态神经网络的隧洞围岩变形时序预测研究》一文中研究指出针对隧洞围岩变形动态性、对时间和空间的敏感性、非线性、高度复杂性等特征,为提高围岩变形预测精度,采用萤火虫算法(FA)搜索确定延时阶数和隐含层单元个数,并利用非线性自回归(NAR)动态神经网络进行预测,提出基于FA-NAR动态神经网络的隧洞围岩变形预测模型,结合北山坑探设施围岩变形监测数据进行预测,并将其与BP神经网络算法预测结果对比分析。结果表明:(1) FA-NAR动态神经网络的预测值与实测值基本吻合,其产生的平均绝对误差和平均相对误差分别约为BP神经网络的1/5和1/4,表明FA-NAR动态神经网络算法模型比BP神经网络算法模型预测精度高;(2)采用FA-NAR动态神经网络算法模型能够很好地解决围岩变形预测问题,既减少了人为输入网络参数的盲目性,又提高了网络的学习能力和预测精度。(本文来源于《岩石力学与工程学报》期刊2019年S2期）
唐青松,田述军,张静,孔纪名,樊晓一[3]（2019）在《基于时序InSAR技术的新磨村滑坡发生前后变形研究》一文中研究指出基于时序InSAR技术,并结合现场调查,采用新磨村滑坡发生前30景SAR数据和滑坡发生后36景SAR数据对滑坡及周边区域形变进行监测,结果表明:①新磨村滑坡发生前,坡脚未探测到明显的变形,但滑源区有明显的变形迹象,主要变形发生2016年和2017年,滑源区坡体经历了"缓慢变形-加速-暂时稳定-再加速-滑坡发生"过程;②新磨村滑坡发生后,在坡脚堆积区东南部形成一个不稳定变形体,累积变形量较大,雨季有加快变形趋势,尚未达到稳定状态;③根据新磨村滑坡前、后变形规律,滑坡发生前、后地表变形受降雨影响明显。(本文来源于《华北地震科学》期刊2019年04期）
史绪国,张路,许强,赵宽耀,董杰[4]（2019）在《黄土台塬滑坡变形的时序InSAR监测分析》一文中研究指出黄土台塬由于经常性的农业灌溉容易造成边缘区域滑坡发育。因此,需要利用有效手段对这些潜在的滑坡隐患进行早期识别与监测。利用时间序列合成孔径雷达干涉测量(interferometric synthetic aperture radar, InSAR)技术对2016-01至2018-08期间获取的升降轨Sentinel-1数据集进行分析,获取了甘肃永靖黑方台典型台塬地区的滑坡隐患分布情况。将InSAR结果与GPS观测资料进行对比,验证了时序InSAR处理方法的有效性。对该地区滑坡的历史变形分析表明,持续的农业灌溉引起的地下水位抬升是台塬边缘坡体失稳的主要诱因。同时,InSAR时序分析发现,研究区域内的跨黄河大桥受季节更替和温度波动的影响,存在周期性变形现象。实验结果证明了时序InSAR方法在地表变形监测中的有效性,可在黄土滑坡识别与监测防治中发挥重要作用。(本文来源于《武汉大学学报(信息科学版)》期刊2019年07期）
斯建宁,张龙[5]（2019）在《基于ARIMA时序模型的隧道结构变形预测》一文中研究指出利用隧道结构变形监测数据与时间关系建模分析,可以预测隧道结构未来变形的发展趋势,是确保隧道运营安全的重要预报手段。依托某隧道结构变形监测历史数据,基于ARIMA时序模型的基本理论,将隧道结构变形随时间的变化非平稳特性,通过差分处理转化为平稳的时间序列,结合平稳序列自相关(ACF)和偏相关(PACF)的特性,确定了最优预测模型ARIMA(5,4,2)。对该模型进行有效检验,表明该模型适合该监测点的数据预测分析,且该隧道结构变形预测值与检验样本中的监测值较为接近,平均预测误差为1.84%,较常规线形回归预测方法(平均预测误差为3.29%)具有明显优势。(本文来源于《资源信息与工程》期刊2019年02期）
刘江,苗昌奇,陈柳阳[6]（2018）在《小波-时序组合模型在地铁变形监测预测中的应用研究》一文中研究指出以郑州地铁2号线实际观测数据为基础,用小波分析的方法对其做降噪及剔除粗差的处理,分析不同小波基函数、分解层次、阈值选取方法对小波去噪结果的影响,选取最佳的小波模型[1]。分别用实测数据和去噪后的数据用时间序列模型做出预测,并与实测数据做对比,结果表明:小波去噪后的时间序列模型预测精度更高,说明该组合模型适用于地铁沉降变形监测的预测分析。(本文来源于《测绘与空间地理信息》期刊2018年11期）
凌东明,韩耀祖,白建朴[7]（2018）在《柯克亚背斜新生代构造变形时序厘定与油气地质意义》一文中研究指出基于高分辨率叁维地震数据体,以构造正演模拟和生长地层分析为约束条件,对柯克亚背斜的构造变形时序进行重新厘定。分析认为,新生代以来柯克亚背斜主体经历了中新世晚期、更新世早期和更新世中—晚期3个阶段不同性质构造运动的迭加。中新世晚期以低速率的水平推覆为主,在研究区卡拉塔尔组形成大量低角度顺层断裂;更新世早期柯克亚背斜主体处于相对稳定的构造低部位,以被动接受沉积为主;更新世中—晚期则以高速率的垂向隆升为主,在柯克亚背斜核部形成大量高角度调节断裂,导致更新统低部位厚层沉积被抬升到整个背斜的高部位,遭受剥蚀,形成现今的构造形态。新的构造发育模式下,柯克亚背斜核部和北翼发育多套优质储集层的迭置断块,多期断裂的迭加可有效改善局部储集层物性,促进深层油气向卡拉塔尔组调整运移、充注成藏。这深化了对柯克亚凝析气藏的认识,也为下步勘探开发提供了新的目标类型。(本文来源于《新疆石油地质》期刊2018年05期）
张伟[8]（2018）在《北斗/GPS土石坝表面变形监测时序分析与建模》一文中研究指出受自重、水压载荷及地震等影响,土石坝体变形伴随着其整个生命周期。对坝体表面进行变形监测和结果分析工作有助于了解坝体运行性态,掌握其变形规律,进一步可以开展变形预报和预警。我国目前拥有近十万座库容10万m3以上水库,大部分为中小型土石坝,长期以来,这些水库坝体表面变形监测主要采用“全站仪＋水准仪”的人工作业方式,不具有实时性和连续性。GPS技术在我国知名水利工程如隔河岩、小浪底、糯扎渡水电站等大型坝体监测中得到很好地应用,表明该技术可很好的用于坝体表面变形的连续实时监测。由于坝体坡度及库区周围环境造成信号遮挡,仅使用GPS系统有时会出现可见星数量不足、几何结构强度差、定位精度下降的问题,采用多系统融合定位算法可提高系统的可靠性。我国的北斗系统于2012年底具备了区域定位服务能力,本文分析了北斗/GPS在大坝变形监测中的应用情况。以茜坑水库主坝北斗/GPS自动化变形监测系统为例,详细分析了系统的设计方法与实现流程,对该系统的观测数据质量和精度进行了评估分析,最后利用GNSS系统获取的时间跨度为两年坝体位移数据进行了分析,得到茜坑水库主坝体变形的规律和特征,采用时间序列分析、多元回归分析以及本文中提出的位移与载荷回归模型建立了全部监测站Y方向位移模型并对模型预报效果进行了验证分析。本文主要工作和贡献如下:1.从时空基准统一、GNSS基本观测方程及双差观测方程、观测误差影响与处理方面,对北斗/GPS融合相对定位的基本理论公式进行了推导,分析了影响高精度定位的主要误差源及其影响量级。2.分析了大坝变形结果建模分析理论框架,针对数理统计模型、确定性模型和混合模型的不同和优缺点开展了理论分析,并推导了大坝变形建模分析基本流程和针对中小型土石坝水平位移的一个简化建模过程。3.论文以茜坑水库主坝北斗/GPS自动化变形监测系统为例,开展了大坝表面变形监测系统设计。通过实验和统计分析验证了该系统的监测精度和可靠性,其4h时段基线解算结果统计在垂直和平行坝轴线方向2mm,高程方向3mm以内;24h精度在平行坝轴线方向2mm,垂直坝轴线方向1mm,高程方向2.5mm以内;在水平方向精度北斗/GPS融合较单GPS平均提升10.3%,高程方向两者相仿。4.统计分析了坝体上监测站点的北斗/GPS观测数据质量,包括伪距多路径、完成率、完整率、可用性及有效率等。结果表明,受坝体坡度造成的信号遮挡影响,靠近坝基处的监测站的观测数据质量较靠近坝顶的差。5.提出了一种结合坝体结构和水位的水压载荷的坝体水平位移变化回归模型。针对茜坑水库主坝全部监测站为期两年的位移时间序列特征进行了分析和总结,并与时间序列、逐步回归建模结果进行了对比分析,结果表明本文提出的模型能够很好的符合坝体位移的规律和大小,有效地解释坝体在垂直坝轴线方向位移的物理成因,适用于相似的中小土石坝变形分析。(本文来源于《武汉大学》期刊2018-05-01）
张号,徐泮林[9]（2018）在《灰色时序组合模型应用于建筑物变形预测》一文中研究指出近年来,城市高层建筑物越来越多,为保证建筑物的安全,要及时预测其变形趋势,防患于未然。灰色模型是沉降预测中常用的模型,在小样本建模方面具有优势,但很难处理序列的随机误差;时间序列模型也是常用的预测模型,它能够很好的处理随机误差,但其对序列的平稳性要求较高,所以其应用范围有一定局限性。本文将两个模型进行组合,通过MATLAB软件编程构建模型,并结合工程实例,分析对比了组合模型与灰色单一模型的预测精度,得出组合模型优于单一模型的结论。(本文来源于《北京测绘》期刊2018年04期）
文媛[10]（2018）在《故事是被颠倒着结构的——《祝福》时序与时序变形分析》一文中研究指出《祝福》讲述了是一个悲凉的故事。鲁迅用小说家的笔法把这个故事的物理时序颠倒、倒转,使故事呈现叁层的叙述结构,在这样的结构下增加了故事的层次、密度、厚度,故事变得立体化,同时使祥林嫂这个人物刻画得更传神,读来更震撼。(本文来源于《北方文学》期刊2018年11期）
变形时序论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对隧洞围岩变形动态性、对时间和空间的敏感性、非线性、高度复杂性等特征,为提高围岩变形预测精度,采用萤火虫算法(FA)搜索确定延时阶数和隐含层单元个数,并利用非线性自回归(NAR)动态神经网络进行预测,提出基于FA-NAR动态神经网络的隧洞围岩变形预测模型,结合北山坑探设施围岩变形监测数据进行预测,并将其与BP神经网络算法预测结果对比分析。结果表明:(1) FA-NAR动态神经网络的预测值与实测值基本吻合,其产生的平均绝对误差和平均相对误差分别约为BP神经网络的1/5和1/4,表明FA-NAR动态神经网络算法模型比BP神经网络算法模型预测精度高;(2)采用FA-NAR动态神经网络算法模型能够很好地解决围岩变形预测问题,既减少了人为输入网络参数的盲目性,又提高了网络的学习能力和预测精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
变形时序论文参考文献
[1].丁宁,邓清海,耿许可,蒋爱萍,万方.融合时序InSAR与GPS的龙首矿露天矿坑叁维变形规律研究[J].金属矿山.2019
[2].蔡舒凌,李二兵,陈亮,高磊,濮仕坤.基于FA-NAR动态神经网络的隧洞围岩变形时序预测研究[J].岩石力学与工程学报.2019
[3].唐青松,田述军,张静,孔纪名,樊晓一.基于时序InSAR技术的新磨村滑坡发生前后变形研究[J].华北地震科学.2019
[4].史绪国,张路,许强,赵宽耀,董杰.黄土台塬滑坡变形的时序InSAR监测分析[J].武汉大学学报(信息科学版).2019
[5].斯建宁,张龙.基于ARIMA时序模型的隧道结构变形预测[J].资源信息与工程.2019
[6].刘江,苗昌奇,陈柳阳.小波-时序组合模型在地铁变形监测预测中的应用研究[J].测绘与空间地理信息.2018
[7].凌东明,韩耀祖,白建朴.柯克亚背斜新生代构造变形时序厘定与油气地质意义[J].新疆石油地质.2018
[8].张伟.北斗/GPS土石坝表面变形监测时序分析与建模[D].武汉大学.2018
[9].张号,徐泮林.灰色时序组合模型应用于建筑物变形预测[J].北京测绘.2018
[10].文媛.故事是被颠倒着结构的——《祝福》时序与时序变形分析[J].北方文学.2018