高层建筑变形监测成果分析及可视化方法研究文献综述

 2022-10-08 11:17:13

  1. 文献综述(或调研报告):
  2. 引言

由于内力和外力的共同影响,某些建筑物会产生沉降、倾斜和水平位移,这些变形随着时间的积累会对建筑物的安全构成威胁,因此变形观测是建筑物在施工与运营阶段必须进行的一项任务,它对建筑物的质量安全起到警示作用,保证了建筑物的安全运营。

在变形观测这一阶段,变形观测数据处理起着十分重要的作用。在数据处理过程中,包括粗差探测、数据处理、成果分析、变形预测、可视化分析等,都有着不可替代的重要性。粗差为由于观测者的疏忽所造成的错误结果或超限的误差。例如:瞄准错观测目标、读数错误和记录错误等。粗差的存在将大大影响平差结果的可靠性,甚至导致完全错误的结果,因此必须进行粗差探测。数据处理包括平差和质量评定等,这些环节是非常重要的,观测值的质量好坏直接影响到变形值的精度和可靠性。一般来说,成果分析是基础,主要是确定相对和绝对位移量,变形的物理解释和变形预报可根据确定函数法如动力学方程进行,也可根据大量的监测资料用统计分析法进行,同时还可将两种方法结合起来进行综合分析预报。可视化方法丰富了观测数据处理内容,将观测成果以定性和定量结合的方式展现给使用者,具有可视化程度高、可读性强的特征,有些处理成果甚至还能挖掘出更多专业信息。

  1. 变形监测的成果分析

变形监测的数据处理和成果分析有很多种办法,如回归分析法、时间序列分析法、频谱分析法、卡尔曼滤波法、人工神经网络法、有限元法、小波分析法等。回归分析法就是取变形(如各种位移值)为因变量,环境量(如水压、温度等)为自变量,根据数理统计理论建立多元线性回归模型,用逐步回归法可得到效应与环境量之间的函数模型,此方法可作变形的物理解释和变形预报。时间序列分析法,就是变形量作为观察值,按时间顺序加以排列,构成统计的时间序列,然后运用一定的数字方法使其向外延伸,预计变化趋势。有限元法是一种采用确定函数模型直接求解变形的具有先验性质的方法,属于确定函数法,它不需要作任何变形监测。人工神经网络法以影响因子作为神经网络的输入层,以变形量作为输出层,中间为神经网络模型,进行训练,从而进行变形分析和预报。通过这些方法确定相对或绝对变形量的大小、几何分布和变化规律,进行变形预报

  1. 可视化研究

可视化概念伴随着数字计算机的出现诞生,但是可视化作为一个专门领域进行研究和发展则是近些年的事情。当前监测成果的处理手段单一、不深入,未能充分利用监测数据。为了更有效地利用数据,发现数据更深层次的信息,可以利用可视化技术对基坑变形监测,进行三维可视化模拟研究,实现各种监测数据可视化表现,使工程相关人员更加直观、形象的对监测数据进行分析,掌握基坑开挖引起的围护结构变形情况、受力状况、对周边环境影响程度及相关因素,进而控制和指导施工。

参考文献:

[1] 中华人民共和国建设部. JGJ8-2007建筑变形测量规范[S]. 中国建筑工业出版社, 2007.

[2] 黄声享. 变形监测数据处理[M]. 武汉大学出版社, 2003.

[3] 马路滨,基坑变形监测三维可视化模拟研究[D].天津大学,2010

[4] 邱颖新,基于BIM技术的高速铁路变形监测信息可视化表达方法[D].西南交通大学,2017

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。