论文部分内容阅读
在我国,滑坡灾害在全国地质灾害中始终占据第一位,已经严重威胁到了人们的生命财产安全。为了降低滑坡灾害的影响,对滑坡进行连续、长期监测是非常重要的。滑坡监测技术有很多种,已经由传统人工测量逐渐发展为高精度、自动化的仪器测量。尤其是随着GPS定位技术的发展,使得GPS接收机能够对滑坡监测点进行全天候连续观测。通过监测点新的位置和初始位置之间的距离反映监测点的运动,实现滑坡监测目的。但是,高精度GPS接收机价格昂贵,在大规模区域的滑坡监测中部署成本很高,因此,使用低精度GPS接收机进行滑坡监测是一个值得研究的问题。此外,如何将GPS接收机采集的数据传输给远程服务器也是一个需要解决的问题。传统上,采用电线、电缆等有线方式进行数据传输,但滑坡监测区域可能地理位置偏僻、环境恶劣,很难实现有线方式进行数据传输,需要采用无线传输,而使用无线传感器网络(Wireless Sensor Networks,WSNs)进行数据传输是一个很好的选择。WSNs具有动态组网、低功耗、分布式、低成本等优点,因此,把GPS接收机和WSNs相结合进行滑坡监测具有重要的实际意义。本文围绕滑坡位移监测与定位问题,主要研究以下两方面内容:(1)针对低精度GPS接收机单点定位误差大的问题,本文把GPS定位模型与多传感器系统数据融合技术相结合,提出使用分布式联邦Kalman滤波融合方法来进行GPS定位数据处理。各个GPS接收机采集到定位数据后,首先在相应的局部滤波器分别利用Kalman滤波进行局部滤波,得到局部最优估计。其次在融合中心进行数据融合,得到全局融合估计。然后全局融合估计再反馈到各个局部滤波器,修正异常局部滤波器的估计误差。此外,在使用WSNs进行数据传输时,考虑数据丢包的问题,采用预测补偿器策略处理数据丢包。最后实验结果表明所提方法能有效减小定位误差,提高定位精度。(2)在使用低精度GPS接收机进行滑坡位移监测时,低精度GPS接收机单点定位误差大,不能通过GPS接收机新的位置与初始位置之间的距离来判断是否发生滑坡。本文从数据分类的角度考虑这一问题,提出使用BP神经网络方法来进行滑坡位移监测。使用BP神经网络把滑坡发生前后相互耦合的GPS定位数据分成两类,一类属于滑坡发生之前的GPS数据,另一类属于滑坡发生之后的GPS数据。实验结果表明,先利用分布式联邦Kalman滤波融合方法对GPS接收机的定位数据处理,再使用BP神经网络对其分类,能有效提高滑坡监测精度。