原文传递
基于大数据分析与挖掘的铁路沉降灾害预警模型研究
| 论文题名： | 基于大数据分析与挖掘的铁路沉降灾害预警模型研究 |
| 关键词： | 铁路沿线;地面沉降;灾害预警模型;大数据分析;大数据挖掘 |
| 摘要： | 地面沉降灾害是一种常见的缓变性地质灾害，其具有生成缓慢且防治难度大的特点。严重的地面沉降会对人们的经济生活到来巨大的危害，铁路沿线的地面沉降更是如此。高速铁路对于地面沉降特别敏感，不均匀的沉降不仅降低乘客乘坐的舒适度，更有可能直接威胁到列车的安全。 本文课题通过对铁路沿线地面沉降数据进行大数据分析以及大数据挖掘，建立铁路地面沉降预测预警模型。并将预测预警模型应用于铁路地面沉降监测区域进行预测预警。其主要研究工作如下： 1.对采集的卫星遥感图像进行预处理，并采用永久散射体合成孔径雷达干涉测量（PS-InSAR）技术计算监测区域的地表时序形变值。将获取的形变值用以监测铁路沿线的地面沉降变化情况。 2.对地面沉降灾害的影响因素进行大数据分析，定量给出各个影响因素对地面沉降的影响。对铁路监测场所的地面沉降时间规律进行分析，结果表明隧道和桥梁场所的地面沉降值总体上呈现周期性变化，路基场所的沉降速度则表现为先快后慢。使用Aprioir算法挖掘各铁路场所地面沉降的关联规则，确定地面沉降预测的相关因素。 3.对多种时间序列预测模型进行比较分析，选择长短期记忆人工神经网络（LSTM）作为地面沉降预测的基础模型。针对LSTM模型特征提取能力不足导致欠拟合的问题，提出CNN-LSTM组合模型提升特征提取阶段的效果。根据CNN-LSTM预测模型的结果进行地面沉降时空趋势的预测。通过对比实验验证CNN-LSTM预测模型的改进效果，结果表明本模型与单一LSTM预测模型相比，拟合效果更好，在隧道、桥梁、路基三种场所下的平均误差率为0.84%、5.7%、0.55%，符合铁路地面沉降预测的需求。 4.结合预测模型获取的预测信息以及铁路沉降灾害风险指标，提出三种场景的铁路地面沉降预警模型。通过该模型可以用于铁路沿线区域的沉降风险预警。实验结果表明本文提出的隧道、桥梁、路基沉降灾害风险预警模型准确率分别为76%，86%，84%，满足预警的要求。 5.基于SpringMVC、Bootstrap、MyBatis等框架开发实现川藏铁路沿线地面沉降地质灾害在线预警应用功能。该应用功能对铁路沿线地面沉降的预警结果进行大数据可视化呈现，帮助铁路地面沉降监测人员做好预防措施。 |
| 作者： | 杨俊超 |
| 专业： | 软件工程 |
| 导师： | 陆鑫 |
| 授予学位： | 硕士 |
| 授予学位单位： | 电子科技大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
