欢迎来到天天文库
浏览记录
ID:33515266
大小:2.25 MB
页数:57页
时间:2019-02-26
《基于位移的滑坡演化过程的三维可视化研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、分类号学号M201171987学校代码10487密级硕士学位论文基于位移的滑坡演化过程的三维可视化研究学位申请人:廖远清学科专业:系统工程指导教师:王小平教授答辩日期:2014年1月20日万方数据AThesisSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringResearchon3DVisualSimulationoftheLandslideEvolutionBasedonDisplacementCandidate:YuanqingLiaoMajor:SystemsE
2、ngineeringSupervisor:Prof.XiaopingWangHuazhongUniversityofScienceandTechnologyWuhan,Hubei,430074,P.R.ChinaJanuary2014万方数据万方数据华中科技大学硕士学位论文摘要滑坡是最常见的地质灾害,严重威胁着人类的生命和财产安全。全国每年因滑坡而造成的人员死亡近千人,直接经济损失近四十亿。因此,加强对滑坡的研究,以实现防灾减灾的作用,具有非常重要的现实意义。本文总结了滑坡预测和滑坡三维可视化的研究现状,并根据三峡库区白水河滑坡位移监测数据和等高线地图,建立了基于位移时间序
3、列的滑坡预测模型和监测地区三维地形模型,实现了基于滑坡位移时间序列模型的滑坡演化过程及其三维可视化仿真。在滑坡预测部分,主要工作包括对已监测的滑坡位移序列进行EEMD分解,然后在各个分量的基础上用BP神经网络分别做预测,最后将各分量之和作为最终的预测结果。三维可视化部分包含地形建模和可视化仿真,地形建模主要涉及到由DWG格式的等高线地图中提取地形的三维坐标数据,然后将无序的数据进行网格化,最后在网格化三维数据的基础上通过VC++调用Creator的API建立三维地形模型和滑坡体模型;可视化仿真部分主要内容为通过VegaPrime软件调用滑坡预测的数学模型、地形模型和滑坡体模
4、型,并由数学模型控制滑坡的运动规律。最后在MFC平台下进行简单的交互式仿真控制。通过三维可视化,动态地呈现了滑坡演化的过程。将复杂的公式和繁琐的数据通过三维可视化展现出来,可以直观地对滑坡过程及其致灾后果做出快速评估。本文进行了滑坡可视化研究的初步探索,对于滑坡研究具有一定的参考意义。关键词:滑坡滑坡预测神经网络三维建模可视化仿真I万方数据华中科技大学硕士学位论文AbstractLandslideisoneofthemostfrequentgeologicaldisasters,whichseriouslyendangeredhumanlivesandproperties.
5、Thenationwidecasualtycausedbylandslideamountstonearlyonethousandeveryyear,whilethedirecteconomiclossisfourbillionannually.Hencetheresearchonlandslidetopreventandreducedisastershasverygreatsignificancefromapracticalpointofview.Thisthesissummarizedthecurrentprogressonthepredictionand3Dvisual
6、izationoflandslide,andthenconstructedalandslidepredictionmodelanda3dlandscapemodelingmodelbasedupondisplacementtimeseriesanalysisbyutilizingthedatacollectedfromBaishuihelandslideintheThreeGorgesreservoirarea,realizingtheevolutionprocessoflandslideand3Dvisualizationsimulationbasedonthetimes
7、eriesmodelofthelandslidedisplacement.Inthelandslidepredictionpart,wefirstlydeveloptheEEMDdecompositionofthelandslidedisplacementsequencewhichhasbeenmonitored,thenmakepredictionofeachcomponentbyusingBPneuralnetworkrespectively,finallysumupallcomponentastheforec
此文档下载收益归作者所有