变形监测的地铁论文

时间:2022-10-20 02:41:06

变形监测的地铁论文

1实例分析

1.1数据处理准备地铁项目监测项目小组于2011年3月至2012年1月对南京地铁一号线玄武门站至新模范马路站区间进行了变形监测。其中沉降观测采用TrimbleDiNi03数字水准仪,标称精度为0.3mm/km。在地铁监测区间的上行线与下行线各布设4个基准点,16个监测点沿上行线与下行线呈线状分布。本次研究用此观测期间前100期的上行线16个监测点数据进行R/S分析,用此观测期间101期至110期的数据作结论的检验。原时间序列为这些监测点的绝对高程值,对数据进行异常值的检测,剔除异常值。最后形成等时间间隔的监测点绝对高程值。应用SPSS软件作监测点的变化时间序列图,以S6号点的时间序列图(见图1)为例,可以看出绝对高程在时间轴上的分布,呈现一定程度的波动性,具有非线性特征。其他监测点的时间序列图观测值变化趋势与S6点相似。由于涉及的原始数据量较多,计算过程复杂,故采用Matlab软件编程进行进一步的数据处理。

1.2R/S分析对本次研究所用的16个监测点,计算出每个监测点的Hurst指数(见表1)。同时作每个点的双对数坐标散点图。部分点的双对数坐标散点图见图2至图7所示。可发现各时间序列的log(R/S)-lg(N)图都具有较好的线性特征,最小二乘法拟合直线时的相关系数r2均很高(最低值0.8884),p值均为0,计算Hurst指数一元线性回归模型通过相关系数检验与F检验,说明计算出的Hurst指数信度较好,各监测点的绝对高程值时间序列具有分形特征。16个监测点垂直位移时序Hurst指数均大于0.5,小于1。这说明两点:一是监测点未来变化将与过去的变化趋势一致,从图1可以看出监测点垂直位移变化的趋势在减弱,而Hurst指数表明过去整体减弱的趋势预示将来整体趋势还是减弱,监测点的垂直位移变化处于减小的过程之中;二是16个监测点的变化趋势相同,说明影响地铁垂直位移变化的外在因素大致相同,这可为从力学机制分析地铁垂直位移变化的原因提供依据。监测点的起点和终点处的Hurst指数相对小,监测的中间段Hurst指数相对大,甚至接近于1。Hurst指数能很好地揭示出时间序列的趋势性成分,并可根据Hurst指数的大小来判断趋势性成分的强度。可以从表1看出,S1、S2、S16点的趋势性相对较弱,随机性更大;S12、S14、S15趋势性相对较强;其余各点的H值均大于0.9,趋势性最强,即垂直位移变化近期将减弱。通过对监测点的R/S分析,可以掌握各点变化的趋势性的强弱,当监测点垂直位移变化近期将减弱时,可以考虑降低监测的频率;反之,当监测点垂直位移变化增强时,应加强监测,以确保未来地铁的安全运营。

1.3R/S分析结论的检验为了检验3.2节R/S分析的结论,利用此观测期中的第101期至110期的共10期数据,进行检验。用16个监测点前100期的方差与后面的10期的数据方差比较,如变小,则说明监测点未来变化将与过去的变化趋势一致,监测点垂直位移变化的趋势在减弱。16个监测点在101期至110期的方差如表2所示。从表2中可以看出16个监测点的方差在减小,说明整个变化在减弱,同时也可以看出16个监测点的方差均较小,说明监测点垂直位移变化的变化趋势相同,与R/S分析的结论相一致。用检验10期的方差值来衡量此16个监测点的垂直位移变化趋势的强弱。方差越大,监测点垂直位移变化的趋势越强;反之,监测点垂直位移变化的趋势越弱。从表2中可以看出S1、S2、S16点的方差值较小,说明这几个点的趋势性相对较弱;S12、S13、S14、S15的方差值稍大一些,说明这几个点的趋势性相对较强;其余各点的的方差值更大,说明趋势性更强一些。检验结果与R/S分析的结论一致性较好。

2结束语

地铁垂直位移监测时间序列集中地反映了地铁垂直位移变形趋势的非线性特征,描述和刻画复杂非线性时序的R/S分析方法,能有效地对地铁变形时序进行分析。地铁高程时序的Hurst指数,不仅能判断不同监测点位移在时间上的趋势性及其强度,还能从空间上判断地铁不同部位的变形趋势特征。应用R/S分析方法能够分析近期变形体变形的趋势性的强弱,适合变形监测项目的预报分析。可以为地铁、大坝等建筑物的形变报警提供参考,在变形监测中具有一定的应用前景。

作者:臧妻斌黄腾郭献涛单位:河南理工大学测绘与国土信息工程学院河海大学地球科学与工程学院

上一篇:实验教学环保教育论文 下一篇:频率分析的地铁论文