基于神经网络的测量机器人大坝监测观测值折光修正

P642.22%TV698.1; 测量机器人在水库大坝自动化监测中应用广泛,为确保监测结果的可靠性,需对原始观测值进行折光修正.结合测量机器人自动化监测可提高监测频率、提供大量观测数据的特点,在分析观测值折光影响因素的基础上,构建了神经网络折光修正模型来对原始观测值:垂直角、斜距、水平角进行修正.并利用某水电大坝自动化监测系统展开了试验与验证,选取评价指标对模型修正后观测值精度进行分析.结果表明,对于以垂直角为基础的垂直位移修正,基于神经网络的方法相对于传统的K值修正公式效果明显,最高可提升垂直位移的精度约2 mm.对于斜距修正,基于神经网络的方法有一定的效果,显示出距离越远效果越明显的趋势....

Full description

Saved in:
Bibliographic Details
Published in中国农村水利水电 no. 4; pp. 187 - 192
Main Authors 孙倩雯, 周建国, 刘冠兰
Format Journal Article
LanguageChinese
Published 湖北工业大学土木建筑与环境学院,湖北 武汉 430068%武汉大学测绘学院,湖北 武汉 420072 15.03.2024
Subjects
测量机器人
robotic total station
神经网络
大坝监测
observation correction
neural network
dam monitoring
观测值修正
Online AccessGet full text
ISSN1007-2284
DOI10.12396/znsd.231234

Cover

More Information
Summary:P642.22%TV698.1; 测量机器人在水库大坝自动化监测中应用广泛,为确保监测结果的可靠性,需对原始观测值进行折光修正.结合测量机器人自动化监测可提高监测频率、提供大量观测数据的特点,在分析观测值折光影响因素的基础上,构建了神经网络折光修正模型来对原始观测值:垂直角、斜距、水平角进行修正.并利用某水电大坝自动化监测系统展开了试验与验证,选取评价指标对模型修正后观测值精度进行分析.结果表明,对于以垂直角为基础的垂直位移修正,基于神经网络的方法相对于传统的K值修正公式效果明显,最高可提升垂直位移的精度约2 mm.对于斜距修正,基于神经网络的方法有一定的效果,显示出距离越远效果越明显的趋势.对于水平角修正,数据结果表明水平角观测值受折光影响较小,使用神经网络进行修正并不能进一步提高观测值的精度.
ISSN:1007-2284
DOI:10.12396/znsd.231234