Page 47 - 现代测绘技术在水利工程中的应用

The Application of Modern Surveying and Mapping Technology in Water Conservancy Engineering
现代测绘技术在水利工程中的应用

期观测方法为采用静态相对定位模型，进而获得观测基准线的位移向量，利用位移向
量解决观测网分期观测中每期的观测结果与观测精度值，采用统计分析的方法分析出
每个测点的变形精确值，因为 GPS 变形观测是以多次分期观测数据为基础的，因而
对于每一期的变形观测必须采用相同的基准指标，这样的观测结果才具有权威性。对

于 GPS 观测网，其观测值的选取均是在相同的基准下进行的。
2. 变形监测数据整体序列的处理
GPS 变形监测采用的主要方法为间隔性周期监测变形数据，从监测的变形数据
中得到水利工程的变形量。由于 GPS 变形监测的特点与普通监测的特点不同，因而

GPS 变形监测在网形设计、观测数据处理方面需要进行独特的设计，同时，对于监
测数据的指标也与常规监测的指标有所不同，因而需要对监测的指标做相应的调整。
GPS 监测的要求不仅有精度、可靠性、费用等方面的独特要求，同时也需要对监测的
灵敏度进行独特的指标评价，灵敏度直接关乎监测数据的合理性。基准设计是 GPS

监测过程中较为重要的一项关键工作，在处理数据的过程中，基准设计主要表现为建
立合适的平差模型，即基准方程。将两次不同的观测数据在相同的观测标准下的平差
进行计算，进而分析两次测得的变形数据。

四、数字孪生技术的应用

（一）数字孪生技术概述
1. 数字孪生的定义

数字孪生指在信息化平台内建立、模拟一个物理实体、流程或者系统。借助于数
字孪生，可以在信息化平台上了解物理实体的状态，并对物理实体里面预定义的接口
元件进行控制。数字孪生是物联网里面的一个概念，通过集成物理反馈数据，辅以人
工智能、机器学习和软件分析，在信息化平台内建立一个数字化模拟。这个模拟会根

据反馈，随着物理实体的变化而自动作出相应的变化。理想状态下，数字孪生可以根
据多重的反馈源数据进行自我学习，几乎实时地在数字世界里呈现物理实体的真实状
况。数字孪生的反馈源主要依赖于各种传感器，如压力、角度、速度传感器等。数字
孪生的自我学习（或称机器学习）除了可以依赖于传感器的反馈信息，也可以是通过

历史数据，或者是集成网络的数据学习。后者常指多个同批次的物理实体同时进行不
同的操作，并将数据反馈到同一个信息化平台，数字孪生根据海量的信息反馈，进行
迅速的深度学习和精确模拟。
2. 数字孪生的内涵

数字孪生的概念最早提出是用来描述产品的生产制造和实时虚拟化呈现，但受限
于当时的技术水平，该理念没有获得足够的重视。随着传感技术、软硬件技术水平的

• 34 •