论文部分内容阅读
变形监测是诊断监测体安全性的一个重要手段,随着现代工程建筑物复杂程度的提高和人们安全意思的增强,变形监测工作越来越受到重视。科学技术的日新月异,使高精度、高质量的变形监测成为现实,这也给变形监测的数据处理方法提出了更高的要求。利用大地测量方法进行变形监测数据处理主要包括三个方面的内容:变形监测网平差计算、变形分析(稳定性分析、变形机理分析)和变形趋势预测,这三个方面都存在着大量的非线性数学模型(平差模型、预测模型和物理模型)。然而在实际工作中,变形监测的数据处理方式仍然采用的是传统线性化的近似处理方式,这显然已无法满足变形监测技术的发展及其服务对象的要求。因此,如何引用非线性的理论和方法来进行变形监测数据的非线性处理成为了人们的研究热点,这也是本文研究的主要内容。 (1)本文首先从变形监测网的平差基准入手,详细分析了基准与三种经典平差模型的内在联系,构建了附加基准方程的变形监测网统一平差模型,系统总结了模型的计算公式和相关计算参数,并推导了不同基准下平差成果的相互转换模型,应用变形监测工程实例证明了该统一模型的正确性和实用性。 (2)针对变形监测数据对非线性处理方式的迫切需求,本文深入研究了在非线性算法领域具有全局优化特点的遗传算法的数学理论和进化机制;全面分析了遗传参数设置对实数编码遗传算法全局收敛性的影响,提出应用降维技术来实现遗传算法处理约束优化问题的方法;针对变形监测网平差的实际问题改进了常规遗传算法的进化控制参数,有效提高了算法的优化性能。 (3)首次将改进的遗传算法应用于变形监测网的平差计算中,实现了变形监测网在不同基准条件下的非线性平差计算;详细阐述了遗传算法结合最小二乘准则的算法设计与实现,并用变形监测网平差实例验证了改进遗传算法在参数平差计算上的有效性和对平差初值不敏感的优越性。 (4)详细阐述了灰色GM(1,1)模型的建模过程和模型等级判断方法,深入分析了白化背景参数λ取值对建模精度的影响;针对传统λ取值的缺陷,采用改进的遗传算法对其进行了优化处理,用实例验证了优化后的GM(1,1)模型拟合效果更好,更加贴近真实数据序列。 (5)基于以上研究内容,采用Visual C#语言独立编写了GA_DMAP软件,支持对变形监测数据的非线性遗传算法参数平差和对变形趋势的预测计算。