房屋安全一直是人们关注和讨论的热点话题,房屋危险度的量化分析,对于保障人民生命财产安全具有重要意义。在实际工程中,分析房屋的危险程度,需要对房屋的倾斜状态,沉降变化等形变特征量进行多期的观测,如果使用传统的观测手段如水准仪、全站仪观测法等,则会产生较大的工作量,观测的过程也容易受到环境因素的制约,且无法实现对房屋的实时动态监测。基于全球定位系统(Global Positioning System,GPS)的形变监测技术利用接收机能够同时测定多个监测点位移,实时获取三维坐标时间序列,且不受建筑内部结构的约束,具有全天候性,自动化程度高,长期观测成本低等诸多优点,适合于对房屋的倾斜状态,沉降变化等形变特征量进行长期监测。然而,基于GPS技术对房屋进行危险度量化分析时,以下两个因素会影响量化分析结果的误差精度:(1)利用接收机获取的GPS坐标时间序列一般都含有噪声,这些噪声与房屋自身的动态变化特性杂糅在一起,增加了提取房屋动态变化规律的难度,给数据分析带来了不利影响。(2)由于接收机故障,供电问题或卫星异常等因素的影响,致使无法及时修复异常,导致GPS坐标时间序列常常会存在不同程度的缺失,缺失的序列片段破坏了房屋动态变化规律的完整性与连续性,从而影响对房屋形变状态及其变化趋势判断的误差精度。因此,本文围绕GPS坐标时间序列包含的噪声与序列的缺失情况,对房屋危险度量化分析的影响展开研究,具体工作内容如下:(1)根据房屋倾斜状态平面回归模型与危险房屋鉴定方法,提出利用GPS监测序列分析房屋倾斜率和房屋沉降指标的方案,并应用于房屋危险度量化分析。(2)针对GPS坐标时间序列中包含的噪声,引入改进的小波阈值方法,经验模态分解方法对时间序列进行降噪处理,从而获得更加平滑,噪声点更少,更精确的坐标时间序列。(3)针对GPS坐标时间序列存在缺失的情况,提出一种基于混沌理论与长短期记忆神经网络(Long short-term Memory,LSTM)的GPS坐标时间序列补全模型,提高对缺失序列的补全精度。(4)基于对实际建筑物的形变监测结果,探讨所提出的改进阈值的小波降噪方法、基于混沌理论与LSTM的补全方法对房屋危险度量化分析误差精度的影响。即利用本文的方法对GPS坐标时间序列进行降噪或补全后,再分析房屋的倾斜率以及沉降变化,能够减小与房屋真实形变程度之间的误差。其中,三个月的房屋倾斜率最小误差约为0.113mm,沉降量误差则为0.387mm,它们均能够满足房屋危险度量化分析对数据精度的要求。