变形监测技术和方法正在由传统的单一监测模式向立体交叉的空间模式发展。高精度测量仪器的地面监测技术、近景数字摄影测量方法、三维激光扫描技术以及GPS监测系统等手段应用于工程建筑物空间位置数据的采集,受到了研究人员的重视,且已成为行之有效的现代变形监测方法。监测数据的分析处理技术也在不断发展创新。


1变形监测方法
 1. 1 变形监测非大地测量方法用于变形监测的非大地观测仪器,需要固定于变形体上或者附近,必须直接接触观测部位。一类仪器的观测结果是相邻观测标志间平面位置或高程位置的相对位移;另一类仪器则是直接测定物理量进而间接求算几何量。这类仪器类型较多,大致分为物理类、机械类和电测类等,这里不再详细介绍,读者可参考相关资料[1]。
 
 1. 2 变形监测传统大地测量方法大地测量方法所测得观测结果的几何意义既明确又直观,故从古到今广泛用于各类工程建筑物的变形观测。例如,用于沉降观测的几何水准测量、液体静力水准测量、微水准测量和三角高程测量;用于位移观测的三角测量、三边测量、边角测量、精密导线测量、交会测量和基准线测量;用于倾斜观测的纵横距投影测量和交会测量;用于挠度观测的交会测量和精密水准测量等。尽管近20年来空间定位技术、激光三维扫描技术、数字摄影测量技术在建筑物变形观测中得到一定程度的应用,但在大多数情况下,传统的常规大地测量方法仍然是进行桥梁变形观测的主要手段。在某些观测项目上常规大地测量方法与现代的空间定位技术相比具有显著的优势。例如在建筑物基础沉降观测、桥梁的挠度观测等方面,精密水准测量目前仍然是精度最高、成果最可靠且简便易行的方法。但传统的大地测量监测方法也存在一定的缺点,如外业工作量大,布点受地形条件制约,不易实现自动化监测等。
 
 1. 3 变形监测现代测量方法传统的大地测量方法,无法直接测得各种荷载状态下的变形观测点的三维坐标,而只能观测一些间接的观测值,通过进一步解算才能得到变形量。现代测量技术则为直接测定观测点在各种荷载状态下的三维坐标提供了可能。
 
 1. 3. 1 基于全站仪的变形监测全站仪变形监测以其自动化、高精度、三维监测的技术优势,在变形监测中得到了普遍应用。全站仪正在向全能型和智能化方向发展。带马达驱动和程序控制的全站仪结合激光、通讯及CCD技术,可实现测量过程的全自动化,被称作测量机器人[2-3]。测量机器人可自动搜寻观测目标,在很短的时间内完成一目标点的观测,并可以对多个目标作持续和重复观测。测量机器人与测量数据处理分析软件系统相结合完全可以实现变形监测的自动化。测量机器人作为多传感器集成系统在人工智能方面的进一步发展,使其在建筑物变形监测中必将得到进一步应用。
 
 1. 3. 2 基于GPS的变形监测GPS的应用是测量技术的一项革命性变革。有定位精度高、连续性、实时性、提供三维坐标、全天候作业等优点。尤其是实时动态测量技术(RTK)是以载波相位观测量为根据的实时差分GPS测量技术。实时地计算并显示出用户站的三维坐标。GPS与计算机技术、数据通讯技术及空间分析技术进行集成,实现了从数据采集、传输、管理到变形分析及预报的自动化,以实现远程在线网络实时监控[4]。在该领域的研究,开始重视建立实用的、低成本的GPS实时在线监测系统以推动其在变形监测领域的应用范围;重视研究有效提取变形体动态变形特征的变形分析方法;重视研究GPS垂直位移监测精度,使之能与水平位移监测精度匹配,发挥其测定三维位移的优越性。
 
 1. 3. 3 基于数字摄影测量的变形监测摄影测量作为一种遥感式数据采集方法,可用于各种目的的测量,以前,由于存在设备专业化,价格昂贵,所需工作环境的限制、数据处理技术复杂,处理周期长,信息反馈慢等原因难以推广。近年来,随着计算机技术的飞速发展,摄影测量已经进入了数字摄影测量时代。被摄物体的数字影像的获取变得越来越容易。利用数字影像处理技术和数字影像匹配技术获得同名像点的坐标,就可以计算出对应物点的空间坐标。整个处理过程是由计算机完成的,因此也称为“计算机视觉的摄影测量”[5]。数字近景摄影测量技术应用于变形监测与其他测量手段相比具有显而易见的优点。通过摄影测量的方法,建立变形体的三维立体模型,通过模型的量测,以测定监测点乃至整个变形体的空间位置及其变化。其监测精度已经达到了mm级[6]。显然,变形监测的摄影测量方法,不仅圆满地解决了观测的同时性、观测点的连续性、动态监测等问题,而且可以对一些无法到达的变形体进行监测。
 
 1. 3. 4 基于三维激光扫描技术的变形监测激光雷达通过发射红外激光直接测定雷达中心到地面的角度和距离信息以获取监测点的三维坐标数据。激光雷达属于无合作目标主动遥感测量技术,事先不需要布置任何测量标志,直接对变形体扫描,能够快速获取变形体上高密度的三维坐标数据[7]。根据遥感平台不同,三维激光扫描可分为机载型、车载型、站载型,其中车载型和站载型属于地面遥感系统,是工程建筑物变形监测的主要平台。三维激光扫描技术对变形体监测数据采集采用高密度、高速度的面采集方式,具有很强的数字空间模型信息的获取能力。测程根据仪器种类,从几米到2km以上。单点测量精度在几毫米到数厘米之间,模型的精度要远高于单点精度,可达2-3 mm。三维激光扫描技术已经在桥梁、文物保护、滑坡监测等领域进行应用。激光扫描系统得到的是海量数据,点云具有一定的散乱性、没有实体特征参数,直接利用该数据比较困难。必须建立针对三维激光扫描技术的整体变形监测概念[8],研究三维激光扫描变形监测理论和数据处理方法。研究无监测点的监测对象测量方法;研究监测对象三维表面模型的建立;研究基于三维监测对象模型的变形分析理论及方法;建立基于三维扫描技术的监测数据和模型精度的评价体系等。由于三维扫描系统价格昂贵,该方法用于建筑物的变形监测投入较大,目前普及应用还有相当的难度。
 
2 变形监测的粗差探测技术变形监测中,为了获得正确的变形分析结果,必须在监测数据的预处理阶段将观测数据中的粗差予以识别和剔出。
 目前有关粗差检验和可靠性理论的研究成果,可概括为两种粗差处理模型,即期望移动模型和方差扩大模型。期望移动模型是假定含有粗差的观测值l服从期望值为E(l) +ε(ε为观测值的粗差,称为期望移动量)、方差为σ2l的正态分布,在平差函数模型中,将粗差视为模型误差。在使用该模型时,首先要解决好粗差定位问题。方差扩大模型则是将含有粗差的观测值视为服从期望为E(l)、方差为异常大(记为a2σ2l,a2 1)的正态分布,其实质是将粗差归入随机模型,这种模型是通过定权来消除粗差观测的影响。近些年来,也有人将模式识别理论和方法引入了粗差识别问题的研究。另外,对于监测数据中的粗差和系统误差的可区分性研究也是一个很重要的研究方向[9]。

3 变形监测分析与预报建模随着变形监测技术的发展,监测数据的采集方法日趋成熟。
 然而,从大量的监测数据中挖掘信息,依然是近年来变形监测领域重点关注的热点问题之一。在变形监测数据处理中,人们总希望能通过恰当方法提取或挖掘出正确反映变形体变形规律的有用信息,为工程设计和灾害防治提供科学依据[10]。变形分析与预报的数学模型变形分析建模是采用数学模型来逼近、模拟和揭示变形体的变形规律和动态特征,旨在理解和预测变形体的动态变形规律及特征,为工程设计和灾害防治提供科学依据。变形分析模型根据分析目的的不同,可分为变形体几何分析模型和物理解释模型。许多学者提出并研究了各种模型。FIG变形分析专门委员会进行了变形模型的分类。
 
3. 1 变形监测数据处理的几种典型建模分析方法近年来,变形分析与预报建模成为工程测量领域倍受关注的研究方向,其中比较典型的、代表性的数学模型及分析方法有以下几种[11-12]:
 (1)回归分析模型,回归分析模型是依据实测数据用最小二乘法确定回归方程系数,所建模型属于经验模型。这种模型建模过程简单,使用方便,它是迄今为止研究最多,也是最为流行的变形观测分析方法。该模型又分为以下两种:①曲线拟合,该方法是趋势分析法中的一种,又称曲线回归或趋势曲线分析,用各种光滑的曲线来近似描述变形体的变形发展的基本趋势。比较典型的多项式趋势模型为:Yt=a0+a1t+…+antn。②多元线性回归分析,它是研究一个变量与多个因子之间非确定关系的最基本方法。
其数学模型是:yt=β0+β1xt1+β2xt2+…+βpxtp+εt
      (t=1,2,3,…n)
       εt~N(0,σ2)式中,
 下标t表示观测值变量,共有n组观测数据,p表示因子个数。多元线性回归分析应用于变形观测数据处理与变形预报中主要包括两方面的内容,其一是变形成因分析,上式中自变量xt1,xt2…xtp为因变量的各个不同影响因子时,则该模型可以用来分析和解释变形与变形原因之间的因果关系;其二变形的预测预报,当上式中的自变量xt1,xt2…xtp在t时刻的值为已知值或可观测值时,则可用该模型预测变形体在同一时刻的变形大小。
 
 (2)时间序列分析模型,回归分析法是假设观测数据在统计上独立或不相关的,是一种静态的数据处理方法。时间序列分析方法是一种动态的数据处理方法,该方法的特点在于:逐次观测值通常是不独立的,且分析必须考虑到观测资料的时间顺序,当逐次观测值相关时,可根据过去的观测值预测变形体未来的变形趋势,可以利用观测数据之间的自相关建立相应的数学模型来描述变形的动态特征。某些随机过程与另一些变量取值之间的随机关系往往根本无法用函数关系式来描述。这时,需要采用这个随机过程本身的观测数据之间的依赖关系来揭示这个随机过程的规律性。ARMA(n,m)模型是时间序列分析中最具代表性的一类线性模型。
 
 (3)灰色系统分析模型,系统分析的经典方法是用概率统计的方法,从大量的历史期数据中寻找统计规律,这对于统计数据量少的贫信息系统的分析较为棘手,灰色系统理论提供了贫信息情况下解决系统问题的新途径。它把一切随机过程看做是在一定范围内变化的、与时间有关的灰色过程,用数据生成的方法将杂乱无章的原始数据整理成规律性较强的生成数列再作研究。
 
 (4)卡尔曼(Kalman)滤波模型,Kalman滤波技术是一种递推式滤波算法,它是一种对动态系统进行实时数据处理的有效方法。借助于系统本身的状态转移矩阵和观测资料,实时最优估计系统状态,并且能对未来时刻系统状态进行预报,可用于动态系统的实时控制和快速预报。
 
 (5)人工神经网络模型,神经网络有多种不同类型,在变形观测中最常用的是误差反向传播(Back Propagation)神经网络,简称BP网络。BP模型用于变形预测是用变形体若干天的实测位移量作为训练样本集,输入网络进行学习,经过多次迭代学习,神经网络模型就能较好地模拟观测点未来位移量。
 
 (6)动态变形频谱分析法,变形按其时间特性可分为静态模式、运动模式和动态模式三种。动态模式变形的显著特点是周期性,分析这类观测数据时,变形的频率和幅度是主要参数。频谱分析是动态观测时间序列研究的一个途径。该方法是将时域内的观测数据序列通过傅立叶级数转换到频率域内进行分析,它有助于确定时间序列的准确周期并判别隐蔽性和复杂性的周期数据。
 
 (7)小波分析理论。近几年来迅速发展起来的小波分析理论也被用于动态变形的几何分析。通过对变形观测序列的多分辨分析可发现动态变形特征参数的变化时刻,或在对变形信号作的小波分解后再重构来实现强噪声下的变形趋势提取[13-14]。
 
 (8)基于数据场和云模型的变形监测数据挖掘技术。有学者[15-16]根据云模型和数据场,在发现状态空间中研究了宝塔滑坡监测的空间数据挖掘技术和方法。在宝塔滑坡监测数据挖掘中得到了微观、中观和宏观三个认识层次的可视化空间知识,并和宝塔滑坡区的自然现象和变化十分吻合。数据场刻画了每个监测数据对滑坡监测任务的不同作用,云模型实现了精确的定量数据和不确定的定性思维概念之间的相互转换,二者在发现状态空间中的共同作用,则把每个定量的精确监测数据的作用,在不同的认识层次上浓缩到定性的决策思维中。因此,基于数据场和云模型的空间数据挖掘方法在变形体监测中的应用是一个新的、重要的研究方向。
 
4 结 语 
 工程变形监测技术发展方向是通过多传感器,包括几何类传感器、物理类传感器、环境变量传感器的集成系统对变形体进行实时动态的监测。实现内外业一体化,数据处理的自动化,监测过程的智能化,输出结果的数字化,监测信息管理的可视化,变形监测信息共享和传播的网络化。变形分析与预报的发展,除了传统方法程序化、自动化、可视化发展外,主要向数据处理的现代算法、多时相数据的实时处理、数据挖掘和计算智能技术方面发展。目前,国内已经开展工程安全监测、分析与预报综合信息系统的研究工作。另外,用现代系统论为指导进行变形分析与预报也是目前研究的一个重要方向。该方向涉及到许多非线性学科的知识,如系统论、控制论、信息论、突变论、协同论、分形、混沌理论、耗散结构等[17]。如在自然灾害的预测预报研究方面,人们已经开始用突变理论进行滑坡危险性判断和预测,用分形理论研究地震发生前后的维数变化等。总之,随着现代测量技术的发展和计算机应用水平的提高,各种理论和方法为变形分析和变形预报提供更加坚实的技术支持和广泛的研究途径。
 
参考文献:
[1] 白迪谋.工程建筑物变形观测和变形分析[M].成都:西南交通大学出版社, 2002.
[2] 卫建东.基于测量机器人的自动变形监测系统[J].测绘通报, 2006(12): 41-44.
[3] 梅文胜,张正禄,黄全义.测量机器人在变形监测中的应用研究[J].大坝与安全, 2002(5): 3-6.
[4] 胡友健,梁新美,许成功.论GPS变形监测技术的现状与发展趋势[J]. 2006, 31(5): 155-157.
[5] 张祖勋.从数字摄影测量工作站(DPW)到数字摄影测量网格(DPGrid) [ J].武汉大学学报•信息科学版,2007, 32(7): 565-571.
[6] 杨化超,邓喀中,郭广礼.相似材料模型变形测量中的数字近景摄影测量监测技术[ J].煤炭学报, 2006, 31(3): 292-295.
[7] 卫建东.现代变形监测技术的发展现状与展望[J].测绘科学, 2007, 32(6): 10-13.
[8] 罗德安,朱光,陆立.基于3维激光影像扫描技术的整体变形监测[J].测绘通讯, 2005(7): 40-42.
[9] 王晓华,胡友健,柏柳.变形监测研究现状综述[J].测绘科学, 2006, 31(2): 130-132.
[10] 吴继忠,潘庆林,花向红.工程建筑物变形的动态特性分析[J].工程勘察, 2008(5): 64-66.
[11] 黄声享,尹晖,蒋征.变形监测数据处理[M].武汉:武汉大学出版社, 2003.
[12] 陈永奇,吴子安,吴中如.变形监测分析与预报[M].北京:测绘出版社, 1995.
[13] 张正禄,黄全义,文鸿雁等.工程的变形监测分析与预报[M].北京:测绘出版社, 2007.
[14] 王欣,吴侃,高树磊.基于小波变换的矿区地表变形监测数据处理[J].矿山测量, 2007(4): 65-67.
[15] Wang S. L. et a.l, 2003. Cloud model-based spatialdatamining. Geographical Information Science, 9(2): 67-78.
[16] 李德仁,王树良,李德毅.空间数据挖掘理论与应用[M].北京:科学出版社, 2006.
[17] 张正禄.论精密工程测量及其应用[ J].测绘通报,2006(5): 17-20.