| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 变形监测的内容、目的及意义 | 第9-10页 |
| 1.2 变形监测技术发展状况 | 第10-11页 |
| 1.3 本文研究的主要内容 | 第11-12页 |
| 第二章 地铁变形监测技术 | 第12-30页 |
| 2.1 地铁隧道变形监测意义 | 第12页 |
| 2.2 地铁变形监测内容及其方法 | 第12-14页 |
| 2.3 地铁变形监测方案技术 | 第14-16页 |
| 2.3.1 基准点网布设 | 第14页 |
| 2.3.2 监测点布设 | 第14-16页 |
| 2.3.3 控制点及监测点标志规范 | 第16页 |
| 2.4 地铁内变形监测数据预处理 | 第16-24页 |
| 2.4.1 数据平差 | 第16-19页 |
| 2.4.2 数据差分 | 第19-21页 |
| 2.4.3 极坐标测量原理及其精度分析 | 第21-23页 |
| 2.4.4 稳定性分析 | 第23-24页 |
| 2.5 地铁隧道内自动化测量 | 第24-28页 |
| 2.5.1 智能测量机器人 | 第24-27页 |
| 2.5.2 自动监测实现 | 第27-28页 |
| 2.6 测量机器人在地铁的中可行性研究 | 第28-30页 |
| 第三章 变形分析模型与预测方法 | 第30-39页 |
| 3.1 变形分析与建模的基本理论与方法 | 第30-33页 |
| 3.1.1 回归分析法 | 第30-31页 |
| 3.1.2 时间序列分析模型 | 第31-32页 |
| 3.1.3 灰色系统分析模型 | 第32-33页 |
| 3.1.4 人工神经网络模型 | 第33页 |
| 3.2 小波分析预处理的模型及其应用 | 第33-39页 |
| 3.2.1 小波变换 | 第34-35页 |
| 3.2.2 常用的小波去噪方法 | 第35-36页 |
| 3.2.3 小波去噪效果评价 | 第36-37页 |
| 3.2.4 小波变换阀值去噪函数的程序实现 | 第37-39页 |
| 第四章 自适应Kalman滤波模型建立 | 第39-47页 |
| 4.1 自适应卡尔曼滤波模型与分析 | 第39-44页 |
| 4.1.1 卡尔曼滤波模型 | 第39-41页 |
| 4.1.2 自适应卡尔曼滤波的方差补偿 | 第41-43页 |
| 4.1.3 自适应卡尔曼滤波模型的matlab程序实现 | 第43-44页 |
| 4.2 基于小波预处理的自适应卡尔曼滤波模型 | 第44页 |
| 4.3 小波去噪及其自适应卡尔曼滤波在实例中的应用对比 | 第44-47页 |
| 第五章 深圳市地铁后亭站C/D出入.形变监测实例分析 | 第47-68页 |
| 5.1 工程概况 | 第47-49页 |
| 5.2 监测主要项目 | 第49页 |
| 5.3 监测技术原理与方法 | 第49-52页 |
| 5.3.1 竖向位移监测 | 第49-50页 |
| 5.3.2 桩顶水平位移 | 第50-51页 |
| 5.3.3 桩体深层水平位移 | 第51-52页 |
| 5.3.4 周边建筑物沉降 | 第52页 |
| 5.4 监测频率 | 第52-53页 |
| 5.5 监测报警与应急机制 | 第53-54页 |
| 5.5.1 监测报警机制 | 第53-54页 |
| 5.5.2 应急机制 | 第54页 |
| 5.6 变形监测数据分析 | 第54-68页 |
| 5.6.1 小波去噪和自适应卡尔曼滤波在1号断面中的比较 | 第54-62页 |
| 5.6.2 基于小波预处理自适应卡尔曼滤波分析 | 第62-66页 |
| 5.6.3 数据预测 | 第66-68页 |
| 总结与展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73页 |
