简介：对风暴潮多源数据(流场、水位、海温、波浪、风场等预报要素)的可视化进行了研究。针对动力场数据(流场、波向、风场等)数据量大,密集程度高,若不根据其要素特点进行处理则显示效果差、效率低的问题,设计了均匀离散算法,横向上对显示要素添加显示范围控制,纵向上对显示要素添加比例标定控制,实现了海洋动力场数据在不同比例尺下的无级缩放。由于风暴潮数据多为长时间序列数据,为了能更好地反映风暴潮随时间的变化趋势,设计了多种不同方案,分别从不同角度实现了预报要素在一定时间序列范围内的动态可视化表达。
简介：小波神经网络对建筑物变形预报具有较高的模型拟合及预报精度.从小波神经网络算法原理出发,阐述了使用该方法对所获得的桥梁变形监测数据进行模型建立及预报的过程,并利用Matlab实现了编程代码.通过对某桥梁变形监测预报的应用表明,该方法具有很强的可行性和实用性,可及早为桥梁变形预警,避免或减少灾害的发生.
简介：随着近年来许多大型楼房的建设，人们越来越关心这些高楼的主体是否倾斜，同时，由于一些建筑物由主体和裙房构成，它们的荷重相差悬殊，并且有不同类型的基础构成，这些基础是否均匀沉降呢？是否存在居住隐患呢？越来越成为人们关注的焦点，同时人们不仅注重这些建筑物的沉降，也关心其几何重心是否铅直，是否存在着扭曲变形。
GIS在风暴潮灾害预报中的应用
基于小波神经网络的桥梁变形监测预报
关于某大厦的沉降观测精度的确定及变形预报初步
