灰色预测与Kalman滤波在建筑物沉降变形分析中的应用

沉降变形分析与预测对于建筑物的安全运营具有重要作用,建立科学、合理的预测模型对于变形分析极其重要。本文运用GM(1,1)模型与Kalman滤波模型对建筑物沉降变形进行预测。通过实例对比分析表明,GM(1,1)模型较适合短期且变形趋势呈线性或指数分布趋势的变形分析与预测;Kalman滤波模型对短期和较长周期呈波形或线性变形均具有较高预测精度。     

灰色自回归模型的建筑物沉降预测探讨

在建筑物施工及运营期间,掌握建筑物变形规律并及时预测其变形趋势在保障建筑物的安全使用方面发挥着重要作用。由于单一的灰色GM(1,1)模型预测精度不高,本文提出了一种预测模型——灰色自回归组合模型,该模型结合了灰色GM(1,1)模型和自回归模型的优点。为验证该模型预测精度优于灰色GM(1,1)模型,本文通过某工程实例中的2个变形观测点的观测数据进行建模,结果表明,组合模型的预测精度高于单一灰色GM(1,1)模型。     

灰色自回归模型的建筑物沉降预测探讨

在建筑物施工及运营期间,掌握建筑物变形规律并及时预测其变形趋势在保障建筑物的安全使用方面发挥着重要作用。由于单一的灰色GM(1,1)模型预测精度不高,本文提出了一种预测模型——灰色自回归组合模型,该模型结合了灰色GM(1,1)模型和自回归模型的优点。为验证该模型预测精度优于灰色GM(1,1)模型,本文通过某工程实例中的2个变形观测点的观测数据进行建模,结果表明,组合模型的预测精度高于单一灰色GM(1,1)模型。     

高层建筑物沉降变形的灰线性预测

本文以高层建筑物沉降变形预测为主要研究目的,讨论了GM(1,1)方法适用于单一指数增长模型、对预测序列数据异常情况难以准确预测的局限性,利用线性回归适用短期预测的特点,提出了基于GM(1,1)与线性回归组合预测高层建筑物沉降变形的方法;对组合模型预测精度起决定性作用的灰指数v和参数m进行了分析,给出了求解灰指数v和参数m的最优值算法,最后利用组合模型对某高层建筑物沉降变形数据进行了解算,应用结果表明,该方法使预测结果更为可靠、准确。     

灰线性马尔科夫模型在建筑物变形监测中的应用

针对传统灰色GM(1,1)预测模型在建筑物变形监测预报中的拟合精度较差、预测精度较低和预测时间较短的问题,文中以传统GM(1,1)、线性回归和马尔科夫模型为理论基础,构建了灰线性马尔科夫预测模型,并结合某建筑物变形监测的观测数据,运用新陈代谢的计算模式进行预测。结果表明,灰线性马尔科夫预测模型的拟合精度和预测精度优于单一的灰色GM(1,1)预测模型和线性回归预测模型,灰线性马尔科夫预测模型具有预测精度高、预测时间长和稳定性高的优势。     

基于Kalman滤波的GM(1,1)-AR模型在高层建筑物沉降变形分析中的应用

在传统的GM(1,1)模型和AR模型的基础上提出一种基于Kalman滤波的GM-AR模型预测新算法。利用卡尔曼滤波对原始监测数据进行滤波消噪,获取有效地实际变形量;然后对实际变形量中的趋势项和随机项运用GM(1,1)-AR组合模型进行建模组合。通过工程实例分析表明,基于卡尔曼滤波的GM(1,1)-AR模型相比单一的GM(1,1)模型和GM(1,1)-AR模型,有效地减弱观测噪声的影响,提高预测精度。     

小波去噪的灰色动态模型在变形预测中的应用

针对GM(1,1)模型对随机波动性较大的数据拟合较差、预测精度低的缺点,提出了基于小波去噪的灰色动态模型。首先运用小波滤波消除数据噪声,使数据更具规律性;再利用灰色动态模型预测变形;最后对高层建筑物沉降监测数据的预测值与实测值进行对比分析。结果表明,该模型的预测误差较小、精度较高,适合在变形预测中应用。     

灰色系统与时间序列在高铁沉降变形中的应用

介绍了灰色系统GM(1,1)模型、时间序列二次指数平滑模型的基本原理,给出了模型精度评定的方法 ;用Matlab编程实现模型的建立并对高速铁路沉降变形进行了分析与预测,通过工程实例对比分析2种模型的预测效果。结果表明,时间序列二次指数平滑模型较适合短期或中期变形趋势呈线性或微小波形的变形分析与预测,而GM(1,1)模型对短期呈线性或指数分布趋势的变形有较好的效果;时间序列二次指数平滑模型的可靠性与准确度比GM(1,1)模型高。     

基于灰色模型的建筑物沉降预测研究

由于非等间隔GM(1,1)灰色模型对于处理数据量小且表达信息不确定的数据具有优越性,因此广泛应用于石油天然气勘探、机床故障诊断、电力负荷预测、大坝安全监测等领域。基于非等间隔GM(1,1)灰色模型理论,利用某小区建筑物沉降观测的实测数据,建立了适合该小区建筑物沉降预测的灰色模型。通过对比理论预测值和实测值,并进行模型对应的精度评定分析,结果表明,此模型适用于该建筑物沉降预测分析的研究。     

基于中值滤波的灰色预测模型及其在大坝变形预测中的应用

在大坝变形监测中,当用GM(1,1)模型对稳定变化的变形数据序列进行预测时,效果较好。但是,影响坝体变形的因素多种多样,且处于动态变化之中,观测数据中将不可避免地存在着一些随机扰动,这些扰动使大坝的变形曲线发生异常波动。此时仅用GM(1,1)模型进行预测,其精度和可靠性就会下降。为此,本文提出一种基于中值滤波的GM预测模型,即先用中值滤波算法对发生波动的原始变形监测数据进行滤波处理,而后再建立GM模型进行灰色预测。实例证明,基于中值滤波的GM预测模型可以有效地提高大坝变形的预测精度。     

聚合级作战模型中的地形模型分析

分析了聚合级作战模型对地形模型的需求,并根据地形模型的表达方式,将其分为规则格网地形模型、作战区域地形模型和网络地形模型3种类型。结合典型的聚合级作战模拟系统,分析了每种地形模型的表达内容、表达精度以及各自的特征,重点讨论了规则格网地形模型。     

经典平差模型的通用模型

对经典平差模型之间等价性进行了深入研究,并且在附有限制条件的间接平差、附有限制条件的条件平差可作为概括平差模型的基础之上,推导了用附有参数的条件平差的平差原理来解算经典平差模型的计算公式,得出附有参数的条件平差模型可作为经典平差模型的通用模型这一结论。     

Klobuchar模型和NeQuick模型在中国地区的精度评估

将CODE以及GPS广播星历提供的8个系数分别作为Klobuchar模型的输入参数,利用Klobuchar模型及NeQuick模型计算得到中国地壳运动观测网15个GPS基准站上2000～2008年的电离层VTEC序列,以欧洲定轨中心CODE提供的事后电离层产品作为参考标准,得到了两个模型在中国地区的精度评估结果。     

基于云模型的数字影像产品质量综合评价

随着数字影像产品在各领域内的应用越来越广泛,对它的质量研究也越来越受到人们的重视。利用云模型定性与定量之间的转换关系,提出了基于云模型理论的数字影像产品质量综合评价方法。分别采用虚拟云中的浮动云和综合云方法对产品各层质量元素进行综合运算,获得最终评价结果的云模型参数。最后以云模型数字特征图或云滴分布的形式给出最终质量等级。经过实例证实,该方法的评价结果直观、细腻,更加符合实际情况。     

半参数模型与拟合推估模型的比较

在分析半参数模型与拟合推估模型的基础上,指出半参数模型可以包括拟合推估模型.在信号是随机量且其协方差矩阵已知时,通过选择合适的正则化参数,利用半参数模型可以改进拟合推估的结果.通过一个坐标变换的算例,比较这种情况下半参数模型和拟合推估模型的效果.     

SPOT5 HRG严格物理模型转换成RPC模型的方法

SPOT5 HRG使用的越来越多,使用SPOT5 HRG进行测图,就必然需要推导SPOT5 HRG严格物理模型,通过推导SPOT5 HRG严格物理模型,我们发现该模型计算量很大,为了解决这个问题,我们使用虚拟点阵将RPC模型和严格物理模型联系起来,这样就能将SPOT5 HRG物理模型转换为RPC模型,最后用实际生产数据检验了该RPC模型的正确性     

基于云模型的数字影像产品质量综合评价

随着数字影像产品在各领域内的应用越来越广泛,对它的质量研究也越来越受到人们的重视。利用云模型定性与定量之间的转换关系,提出了基于云模型理论的数字影像产品质量综合评价方法。分别采用虚拟云中的浮动云和综合云方法对产品各层质量元素进行综合运算,获得最终评价结果的云模型参数。最后以云模型数字特征图或云滴分布的形式给出最终质量等级。经过实例证实,该方法的评价结果直观、细腻,更加符合实际情况。     

基于地理数据库模型的流域数据模型设计

为实现水问题研究的信息化处理，必须做大量的基础性工作。解决现实对象抽象和信息化后的表达问题。基于物理联系，定义各种特征的连接关系，信息化前人研究成果的集成问题。分析了流域数据模型的特征、组成、结构，以及特征之间的相互关系，建立了流域数据模型，为我国流域数据模型的设计做了有益的探索。     

动态精密单点定位传统模型与UofC模型的比较

介绍了基于传统模型和UofC模型的两种精密单点定位算法;利用自主开发的精密单点定位软件实现了这两种算法。为了比较两种精密单点定位模型的动态定位精度、收敛时间以及解算速度,收集了船载和机载的动态GPS观测数据进行解算实验。实验结果表明:两种模型的动态定位精度和收敛时间相当,传统模型的解算速度约为UofC模型的2倍。     

动态精密单点定位传统模型与UofC模型的比较

介绍了基于传统模型和UofC模型的两种精密单点定位算法;利用自主开发的精密单点定位软件实现了这两种算法.为了比较两种精密单点定位模型的动态定位精度、收敛时间以及解算速度,收集了船载和机载的动态GPS观测数据进行解算实验.实验结果表明:两种模型的动态定位精度和收敛时间相当,传统模型的解算速度约为UofC模型的2倍.