多传感器集成系统获取的数据主要有反映变形位移的几何数据、触发变形的物理量以及外界环境因素，呈现出高精度、实时、动态和连续的特点。与其他监测系统相比。这类监测系统的时空采样率大大提高，逐渐累积形成多源时空序列大数据集，蕴藏着丰富的变形信息，而传统的变形分析方法无法在线实时分析数据，不能满足这类监测系统的需求。本书面向多源时空序列数据集，将高斯过程智能机器学习和现代测量数据处理进行学科交叉融合，就变形监测数据中的异常值提取、监测数据时空插值、变形智能分析和预测、变形区域局部稳定性分析等相关理论方法展开论述，并结合工程监测案例进行分析研究。 本书可供从事变形监测、环境灾害监测、机器学习等相关学科的科研人员、高校教师和研究生参考。

第1章 绪论
1.1 概述
1.2 变形监测的主要内容
1.3 本书内容及结构
第2章 变形监测数据可靠性分析
2.1 概述
2.2 多维异常数据的定位和估值
2.3 FSE用于测量机器人观测数据可靠性分析
2.4 FSE用于坐标系统转换参数可靠性求解
2.5 本章小结
第3章 高斯过程基础理论和方法
3.1 概述
3.2 随机过程与高斯过程
3.3 高斯过程回归与分类
3.4 协方差函数及超参数求解
3.5 本章小结
第4章 面向时空序列数据的GP时空插值方法
4.1 概述
4.2 GPR插值方法
4.3 Kriging时空插值方法
4.4 本章小结
第5章 面向时空序列数据的智能变形分析方法
5.1 概述
5.2 三维位移特征分析
5.3 基于GP的时空演化及局部稳定性分析
5.4 本章小结
第6章 GPR在线变形智能预测模型
6.1 概述
6.2 GPR用于变形预测的基本问题
6.3 自适应GPR在线特征核函数生成算法
6.4 GPR变形智能预测模型
6.5 本章小结
第7章 GP智能变形分析方法在边坡变形监测中的应用
7.1 概述
7.2 矿山边坡监测
7.3 监测结果与分析
7.4 本章小结
第8章 GP智能变形分析方法在输煤栈桥变形监测中的应用
8.1 概述
8.2 输煤栈桥变形监测
8.3 监测结果与分析
8.4 本章小结
第9章 GP插值模型在时空插值中的应用
9.1 概述
9.2 空气污染物数据案例应用
9.3 变形监测数据案例应用
9.4 水质监测数据案例应用
9.5 本章小结
第10章 地学传感网在线数据智能分析软件
10.1 概述
10.2 自动化监测系统架构设计
10.3 自动化监测系统功能设计
10.4 自动化监测系统的实现
10.5 传感网智慧监测云平台
10.6 本章小结
参考文献