基于TLS点云数据与卷积神经网络的滑坡变形分析与预测研究

发布时间：2020-06-02 02:53

【摘要】：滑坡是一种非常常见的地质灾害类型,它发生快且持续时间短,如果提前进行预防,能迅速的将其影响范围内的建筑冲垮掩埋,避免造成大量人员伤亡。作为一种严重的地质灾害,滑坡在从前相当长的时间是不可预知性的灾害,因为其产生原因复杂,包括地震,强降雨,爆炸,地下水位增高,地质结构改变,都有可能造成滑坡,且某些特殊地质区域是天然的滑坡体,可能只需要外界施加一点重力影响就可能造成滑坡。滑坡是一种不稳定地灾,发生过的区域会很可能会因为周围环境的改变发生二次滑坡,这对滑坡后进行的工作产生了巨大的安全威胁。有效的进行滑坡的预测预防可以保障滑坡影响范围内人员和财产的安全,非接触的对滑坡进行分析能有效的规避后续作业人力物力的损失,而滑坡的预测不仅需要进行实时的变形监测,更需要对未来时间尺度上的滑坡发生可能性进行判断,才能以此完成对滑坡的整体预测。在此背景下,本文基于测量学,机械工程,软件工程,机器学习等多学科理论,以红岩石滑坡区为研究区,以TLS点云数据,GNSS点位测量数据,遥感影像等为基础,对滑坡进行了时间尺度上的模型重建对比,得出最终的模型对比结果,并根据结出滑坡稳定的评价。本文的研究内容如下:(1)提出了三维激光扫描技术在滑坡变形分析当中的应用,首先介绍了三维激光扫描仪的分类及其应用领域,其次介绍了三维激光扫描仪的工作原理及其误差理论。然后阐述点云数据预处理阶段的整个处理流程,并在实验章节进行一一实施。(2)结合实验区的数据和概况,通过Geomagic studio12,PloyWorks等软件对点云数据进行处理并建模,通过两期数据模型比较,从体积,投影面积,等各个方面使用了包括Gird变形比较,豪斯多夫比较等方法对整个滑坡体的变形分析,并得出滑坡体的整体变形分析评价。(3)提出了改进的卷积神经网络,将每个GNSS点数据的多个特征向量按顺序呈现,使用CNN(卷积神经网络)在内部集成这些信息。(4)结合时间尺度和改进后的CNN对滑坡监测点位移量进行预测,使用改进后的卷积神经网络在滑坡变形量预测值和实测值对比分析,得到预测结果并进行精度评定,用以对比分析不同模型的预测结果精度。经过实验证明,通过TLS所得点云数据在建模后能够比较完整的还原滑坡体特征概况,且模型精度高,拟合度高,在实际的滑坡变形分析当中应用出色,反映了在时间尺度上滑坡体的各种变形量。改进后的CNN技术在滑坡预测当中,通过GNSS点位数据的大量数据训练,并在网络中进行主动反馈优化结构,最后能够准确的预测在时间尺度上滑坡监测点位移量的情况,这两项技术在滑坡的变形分析和预测当中都发挥出色的作用。
【图文】：

三维激光扫描,机载雷达

第二章三维激光扫描仪的分类及其应用第二章三维激光扫描仪的分类及其应用目前，三维激光扫描系统的类型有很多种，可以根据不同的需要来选择不同类型的仪器。三维激光扫描系统根据工作原理，有效测距，搭载平台可以分为很多种类型。本文主要介绍根据搭载平台的不同来进行的分类2.1 三维激光扫描仪的分类。三维激光扫描系统根据搭载平台的不同可分为手持型激光扫描仪、地面固定三维激光扫描系统、地面移动三维激光扫描仪（MLS）和机载三维激光扫描仪四种（1）机载三维激光扫描系统机载三维激光扫描系统组成部件如下图所示：

三维激光扫描,激光扫描系统

图 2.2 地面移动三维激光扫描系统Fig2.2 Ground moving 3D laser scanning system激光扫描系统的特点是：可搭载平台多，，如汽车，定三维激光扫描系统，范围较广可随载体移动进行扫描系统精度更高，且不易损坏；其缺点是成本高维激光扫描系统三维激光扫描系统如下图所示
【学位授予单位】：昆明理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：P225.2;P642.22

【参考文献】