AR模型的整体最小二乘解算及其应用

AR模型在变形监测及其预报中应用广泛,因为系数矩阵和预测值都存在误差,宜采用整体最小二乘法。本文通过一个实例对该方法进行验证,计算结果表明,该方法获得的预测值更加接近实测值,并且比传统的方法更具优势,有较强的理论研究价值和实用价值。     

有色噪声情况下状态预测值修正的Kalman滤波

利用线性最小方差估计方法,以正交投影理论为工具,推导了动态线性系统在状态噪声为有色噪声情形下的状态预测值及其相应的协方差阵。在形式上,此预测值比经典Kalman滤波预测值多出一项,该项包含了前一时刻的新息。对新预测值进行分析,得出了有色状态噪声条件下Kalman滤波的新算法,扩展了经典Kalman滤波的应用范围。最后通过一个模拟算例,证明了该算法的有效性。     

指数曲线模型预测基坑周边地面沉降

结合天津富裕广场三期工程基坑周围地面沉降观测的工作实践,利用指数曲线法对该工程的地面沉降过程进行了预测,得出实际观测值与预测值之间的拟合曲线,并通过比较得出该预测方法的优劣。     

FY-2G卫星红外遥感图像中的震前异常统计分析EI北大核心CSCD

红外遥感图像异常是一种重要的地震前兆,需要稳定且有效的提取算法才能发现地震前兆。然而,许多算法只是在少数地震中有验证,数据样本少,不能进行异常信号的统计分析。本文提出了一种方法,对中国及周边地区的红外遥感图像的功率谱异常信号进行统计,以评估算法的准确性和普适性。该方法还分析异常信号的幅度、空间范围和相关的地震信息,将时间和空间上连续的异常点视为一个样本,以计算不同参数条件下异常信号的阳性预测值和地震的真阳性率。本文提取了FY-2G卫星的红外遥感图像中的地震异常信号,并进行统计,得到20.37%的阳性预测值和65.96%的真阳性率。高幅度大范围的异常信号可以达到80%的阳性预测值。对于大于5.4级的地震,真阳性率可以达到81.82%。本文验证了功率谱相对变化法能在大部分地震前提取到红外遥感图像异常,该方法可以分析异常信号的特征和评估异常信号与地震的相关性,有利于算法的对比和改进。     

基于改进指数平滑神经网络模型的大坝沉降预测

为了及时跟踪非线性化大坝沉降数据并长期预测,针对传统指数平滑方法的缺陷,将改进的指数平滑方法与BP神经网络模型相结合,研究了其在大坝沉降监测中的应用.通过控制全局和局部的目标函数形成改进的指数平滑方法,获得一组平滑预测值;再利用BP神经网络对平滑预测值和平滑预测值与观测值的误差序列进行训练;最后将下一步的误差序列和平滑...     

改进的等维灰数递补模型预测边界确定方法

针对当前利用灰色预测模型进行地表沉降预测研究更多注重模型本身探讨而较少涉及预测值合理范围以及预测值时间响应函数的还原方法的情况,该文提出了一种改进的等维灰数递补模型预测边界的确定方法,采用了误差传播定律对预测值范围进行界定,并尝试利用中值近似处理代替累减生成建立预测值的时间响应函数;最后,结合工程实例给出了预测值上下边界,探讨了模型在误差允许范围内的预测步长,并对比分析了改进的等维灰数递补模型、原始的等维灰数递补模型和GM(1,1)模型。结果发现:改进的等维灰数递补模型具有较好的拟合效果与预测精度。     

基于GA-SVR的地铁隧道沉降预测

利用支持向量回归(SVR)和遗传算法(GA)参数寻优,建立了基于GA-SVR的地铁隧道沉降预测模型,可提高地铁隧道沉降预测的精度。利用长期实测的地铁结构监测数据对SVR模型进行训练,并通过GA优化SVR模型的3个参数;利用训练模型均方误差结合留一交叉验证的方法确定GA的适应度。基于南京地铁2号线隧道结构沉降实测数据,将预测值与实测值进行了对比分析。结果表明,该模型预测的地铁隧道沉降预测值准确、可靠,其精度能满足工程实际要求。     

使用Kalman滤波器调整预测值的时间尺度算法

时间尺度算法用于综合钟组内所有的原子钟,建立一个频率稳定度更高的时间尺度,其核心环节可以概括为通过N-1组观测量(钟差)计算得到N台钟的权重和预测值。传统算法主要关注如何调整权重来提高时间尺度的稳定度,本文算法通过调整预测值来提高时间尺度的稳定度。本文算法使用Kalman滤波器对观测钟差进行状态估计,在Kalman滤波器每一次递推的过程中,调整一次预测值,通过每次实时调整预测值来建立时间尺度。理论推导和仿真实验都表明,本文建立的时间尺度滤除了频率白噪声,主要只含有频率随机游走噪声,所以具有很高的中短期稳定度。该时间尺度是一个连续、实时、可预测的时间尺度。     

非等时距灰色预测模型在基坑监测中的应用

采用插值原理,将非等时距的基坑监测数据转换成等时距的数据,建立非等时距灰色预测模型,并结合实际监测数据对该模型进行检验和分析。结果表明,该模型的预测值和实际监测值相差很小,为基坑监测数据处理提供了参考。     

有色噪声情况下状态预测值修正的Kalman滤波

利用线性最小方差估计方法,以正交投影理论为工具,推导了动态线性系统在状态噪声为有色噪声情形下的状态预测值及其相应的协方差阵.在形式上,此预测值比经典Kalman滤波预测值多出一项,该项包含了前一时刻的新息.对新预测值进行分析,得出了有色状态噪声条件下Kalman滤波的新算法,扩展了经典Kalman滤波的应用范围.最后通...     

小波分解AR-BP网络模型在大坝垂直位移预测中的应用

针对大坝内部垂直位移数据序列不仅具有周期性、平稳性,且在频域上存在高、低频,显著的多尺度等特性,本实验利用多尺度小波分析的原理与方法对数据序列进行分解,对低频序列和高频序列分别建立AR模型和BP神经网络模型并进行预测,最后叠加各个序列的预测值,得到数据序列的预测结果。该方法适用于大坝垂直位移的预测,结果与自回归模型及单BP神经网络模型相比,该模型具有更高预测精度。     

单频精密单点定位周跳探测方法研究

周跳探测是单频精密单点定位的难点之一。本文分析了3种单频周跳的探测方法,即多项式拟合法、载波/伪距组合法和基于灰色预测值的多项式拟合法。通过采用不同的试验方案对这3种方法进行对比分析,表明基于灰色预测值的多项式拟合法比另外两种方法探测能力更强,可靠性更高。而且方法简单,易于在计算机中实现,具有较高的实用性。     

灰色模型的整体最小二乘解算及应用

目前,灰色模型在变形监测数据处理及预报中的应用越来越广泛。针对系数矩阵和预测值存在的误差,该文采用整体最小二乘法,结合黑龙江省农业科学院在江北科技创新城核心区建设的国际农业科技创新中心工程,选取其中一个沉降监测点进行分析。实验结果表明,该方法的拟合精度更高,适用于变形监测数据处理。     

基坑水平变形预测技术

介绍用指数平滑模型与时序分析方法对基坑的水平变形预测技术,并随着新数据的加入适时修改平滑系数预测变形值。工程实例研究表明:该方法与单独指数平滑模型相比可使预测值与实际位移值之间的误差更小,与曲线拟合技术相比更加稳定。     

非等时距灰色-马尔科夫链模型在深基坑变形预测中的应用

针对深基坑变形难以建立准确的计算模型进行预报问题,本文运用非等时距灰色-马尔科夫链对深基坑变形量进行预测。首先基于原始实测数据,建立非等时距灰色预测模型;然后采用马尔科夫链对预测值残差序列进行修正,进一步提高预测模型的预测精度;最后对潍日高速跨铁路转体桥深基坑4个测点的变形量进行预测。研究表明,灰色-马尔科夫链模型的预测精度明显高于灰色模型,预测值与实测值吻合较好,预测值后验差为0.07、0.37、0.16和0.33,精度等级均为1级,该模型为深基坑变形预测提供一种新方法。     

基于季节ARIMA模型的地下水位动态预测

通过分析1996~2004年测井实测逐月地下水埋深序列的趋势性和周期性,建立了合适的季节ARIMA模型,并运用该模型对2005年逐月地下水埋深进行预测,预测值与实测值变化趋势一致,平均相对误差为2.5%,证明该模型用于地下水水位预报是可行的。     

基于预测的边缘检测方法

提出了一种基于预测的、有一定自适应性的边缘检测方法。介绍了其原理和算法实现过程。通过计算两个相邻像素的灰度值的均值、均方差和梯度来预测下一个像素的灰度值，比较预测值和真实值来判断下一个像素是否是边界点。通过与现有同类算法的比较，证明了该算法的优越性。     

最小二乘配置在形变监测中的应用

最小二乘配置具有可以预测未测点信号、并对预测值进行精度评定的特点,在坐标转换、GPS水准拟合、形变测量等方面得到了广泛的应用。本文利用最小二乘配置来获取变形监测网内插点的变形信息,并利用协方差阵进行精度评定。利用模拟试验和工程试验,验证了该方法的正确性和有效性。     

小波时间序列分析在高铁沉降变形中的应用

采用小波时间序列预测模型,建立基本思想和实现步骤,结合某高铁沉降监测数据,利用db3小波对原始数据进行去噪,在此基础上,建立了AR(2)模型,与运用时间序列方法所求出的预测值,进行比较分析,结果表明,采用小波时间序列预测模型,求出的预测值精度更高,具有很强的实用性。     

组合预测模型在基坑变形监测中的应用

现今常见的变形监测数据处理方法有GM(1,1)模型、BP神经网络模型和径向基神经网络模型(RBF),本文分别采用GM(1,1)模型和RBF网络模型对基坑结构的水平位移量进行预测,并且采用基于方差倒数法的组合模型对上述两种单一模型预测值进行组合,以达到改善预测精度的效果。实验结果表明,组合模型的预测精度和可靠性优于单一模型,说明了该模型的可行性。