ARMA模型在锚碇基坑变形预测中的应用

本文在详细介绍时间序列预测原理、基本模型及预测步骤的基础上,选取新田长江大桥锚碇基坑工程施工过程中的基坑位移和危岩裂缝变形实测数据,运用时间序列法建立自回归滑动平均模型(ARMA),对施工过程中的基坑位移和危岩裂缝变形趋势进行预测,并将模型预测数据与实际监测数据进行对比。结果表明:ARMA模型可以通过差分算法很好地解决数据不稳定性问题,在预测周期较短时预测精度较高;随着预测周期的增加,ARMA模型的预测精度有所降低,其原因是由于随着预报步长的增加,预报所依赖的历史数据在减少;在建立ARMA模型时,定期加入新的数据,可以避免预测周期过长导致预测精度降低。本文的研究成果可以为今后类似工程的监测预报研究参考依据。     

基于ARMA模型的隧道位移时间序列分析

在新奥法隧道施工中,隧道位移监测对于评价围岩稳定性和支护结构合理性起重要作用。目前大都采用AR模型对隧道位移进行时间序列分析,避开了非线性估计,致使拟合精度和模型实用性较差。为此,介绍了具有较高预测精度和较好适用条件的ARMA模型及其常用参数估计方法,基于其参数非线性估计带来的不便性,提出一种ARMA模型参数估计近似线性方法,把残差用Taylor级数一阶展开,将非线性估计线性化,用线性最小二乘法估计参数最终值。用该方法对重庆市大足县南环二路南山隧道位移监测数据进行时间序列建模分析,预测与实测值吻合较好,证明了该方法的实用性。     

改进的GM(1,1)模型在滑坡变形预测中的应用

为了提高GM(1,1)模型在滑坡变形预测中的预测精度和普遍适用性,论文首先分析了GM(1,1)模型的数学特点,并根据建模机理所存在的固有缺陷探讨了几种合理实用的改进方法。在此基础上,结合呈对数型曲线的链子崖危岩体变形监测数据和呈指数型曲线的黄龙西村滑坡变形监测数据,分别了建立了传统GM(1,1)、无偏GM(1,1)、中心逼近式GM(1,1)、重构背景值的GM(1,1)和灰色神经网络组合等预测模型。预测结果表明:针对不同数学特点的滑坡变形数据,特定改进的GM(1,1)模型较传统模型预测精度更高,适用性更强。     

改进欧拉算法的GM(1,1)模型预测滑坡变形

在传统的GM(1,1)模型建模的基础上,采用改进欧拉算法简化GM(1,1)模型中参数的求解过程,进行滑坡变形动态预测。本文根据某高速公路滑坡治理过程中的变形监测数据,应用改进的模型进行滑坡变形动态预测,通过预测结果和实际监测数据进行对比分析,结果表明:改进欧拉算法的GM(1,1)模型参数计算简单,且预测精度为一级;不仅适用于滑坡变形等时距监测数据的低增长序列预测,也适用于高增长序列预测,证明该改进欧拉算法的有效性。     

基于LSSVM-ARMA模型的基坑变形时间序列预测

如何准确预测和控制基坑变形是基坑工程的一个难点,提出了一种基于小波变换、粒子群优化的最小二乘支持向量机（PSO-LSSVM）和自回归移动平均模型（ARMA）的基坑变形时间序列预测方法。首先,利用小波变换将基坑变形时间序列分解和重构为2个子序列--趋势时间序列和随机时间序列,在该基础上,采用PSO-LSSVM模型与ARMA模型分别预测趋势时间序列与随机时间序列未来值,将2个子序列的预测值求和作为最终预测结果。最后,将该方法应用于昆明某基坑工程的深层水平位移预测,不断地利用前期工况的最新实测数据建模,对后期工况未来变形量进行滚动预测,获得了令人满意的结果。     

地下水污染的自组织预测模型及其应用

自组织预测模型是前苏联学者Ivakhnenko于 70年代提出的一种非线性建模预测方法 ,它能有效地解决复杂非线性系统的数据处理和建模问题 .应用自组织方法进行地下水污染预测 ,以实际监测数据为基础 ,建立了地下水污染预测的自组织模型 ,其预测精度较高 ,检验误差在 5 .2 %以内     

地下水不的自组织预测模型及其应用

自组织预测模型是前苏联学者Ｉｖａｋｈｎｅｎｋｏ于７０年代提出的一种非线性建模预测方法,它能有效地解决复杂非线性系统的数据处理和建模问题,应用自组织方法进行地下水污染预测,以实际监测数据为基础,建立了地下不不污染预测的自组织模型,其预测精度较高,检验误差在５．２％以内。     

隧道围岩压力的神经网络时间序列分析

围岩压力是隧道开挖后重要的反馈信息之一,受不确定性因素影响,围岩压力监测数据是一个不平稳的时间序列,包括趋势项和随机项。采用BP网络对不平稳时间序列进行数据拟合,处理趋势部分,利用ARMA模型处理随机部分。结合累进算法,对浙江某新建隧道围岩压力进行时间序列预测。结果表明该方法具有较高的预测精度,最大相对误差为3.73%,能够应用于工程实际当中。     

地下水动态预报的多层递阶组合模型

地下水系统是一个复杂的随机系统,降水、灌溉等可视为系统的输入,而地下水位则可视作系统的输出。地下水位是一随机动态数据序列,在年际间具有明显的周期性变化。基于此,提出了一种用于描述和分析具有周期性变化的时间序列的新的组合模型一多层梯阶组合模型,该模型是由多层梯阶模型及自回归滑动平均(ARMA)模型构成。在建模中,将原序列分解为年均值、年度变幅和残差三个子序列。针对前两个子序列的时变特征,可采用多层梯阶模型进行模拟,残差序列则可用ARMA模型描述。本文采用这种新的组合模型对区域地下水位动态进行了预报,结果表明预测效果较好。     

基于长自回归残差法的时序分析在大坝变形监测与预报中的应用

本文主要研究了时间序列分析在大坝变形监测与预报中的应用。突出分析了ARMA模型的优点。分别利用最小二乘估计法和长自回归模型残差法进行坝体形变的分析和预报;通过对不同阶数ARMA模型在实际应用中的比较分析,确定出一种精度相对高、原理简单的方法进行建模,从而进行形变的分析和预报。     

基于非平稳时间序列分析的滑坡变形预测

滑坡的位移监测资料通常可用来预测滑坡的变形发展趋势,位移的发展反映了滑坡的变形过程.为了预测在现有条件持续情况下的滑坡变形趋势,将滑坡位移监测数据视为非平稳时间序列,应用时间序列分析方法,建立了滑坡变形趋势的预测模型.以三峡库区秭归县白水河滑坡为例,通过对变形预警区监测点位移实测时间序列的分析,取监测点ZG93和XD-04为代表,建立了时间序列预测模型,从第17个月开始向前做6步预测,分析预测曲线与实测曲线之间的关系,并计算预测误差,结果显示除个别数据点之外,预测误差均在±9%以内,曲线吻合较好,说明所建模型效果良好,从而为判断白水河滑坡未来的变形发展趋势提供了可靠的理论依据.     

深基坑施工时地表沉降预测的时序-投影寻踪回归模型

为了保证施工的正常进行、实现信息化施工,必须对基坑实际监测数据进行分析与预测。现有的趋势时间序列分析方法很难满足实际施工中高度非线性问题的拟合,预测误差较大。基于这点考虑,以天津某工程基坑施工地表沉降观测序列为例,在对原始数据进行分析的基础上,提出既可以考虑趋势时间序列,又具有高度非线性拟合性能的时序-投影寻踪回归模型。首先,通过比较分析几种时间序列方法的逼近误差和预测误差,寻求出一种逼近较好的时间序列预测方法。然后,将预测得到的时间序列和观测数据相结合,采用投影寻踪回归方法拟合。应用结果表明,该模型逼近性能良好,预测误差小,可为深基坑位移沉降的动态预测提供一条较好的途径,对基坑动态设计与信息化施工等方面具有重要的参考价值。     

高边坡变形非线性时变统计模型研究

基于高边坡长期变形监测资料,深入分析了边坡变形的影响因素,建立边坡非线形时变统计监控模型,并将模型应用于锦屏一级水电站边坡工程。通过典型测点长期监测资料的分析,确定时效和降雨是影响边坡变形的2个主要因素,并给出了各自的表述形式,在Matlab平台上,采用非线性回归方法得到边坡非线性时变统计模型的参数。在此基础上,根据边坡变形拟合残差时序,采用ARMA模型方法进行拟合和预测,对边坡非线性时变模型的拟合和预测进行修正。结果表明,模型能较好地描述高边坡的变形特征,并且具有很好的拟合和预测精度。     

地铁施工引发地面沉降的BP神经网络预测分析

针对沈阳地铁一号线重工街站至启工街站区间隧道开挖引发地面沉降变形的问题,利用现场实测的地表沉降变形数据建立BP神经网络模型,并进行网络训练与预测。预测结果表明,时间序列神经网络模型能够很好地表达地面沉降监测数据序列间的非线性关系。利用BP神经网络建立的预测模型,所得预测值与实测值拟合很好,是预测地铁施工引发地面沉降变形的一种有效方法,能为沈阳地铁隧道的设计及施工提供科学合理的依据。     

滑坡预报模型的质量检验研究

滑坡预报模型主要用来预报滑坡发生的时间,但是如何检验效果是滑坡预报者和决策者面临的一个重要课题。本文通过提出滑坡拟合效果指标(包括后验差指标、模型拟合效率指数和均方根误差)和试预报效果指标(包括试报效果指标和相关系数指标),初步建立了滑坡的预报质量检验模型。依据建立的检验模型,针对链子崖危岩体监测资料分别采用灰色GM(1,1)数学模型、三次指数平滑模型和时间序列模型进行预报。预报结果表明:三种模型中,综合指标GM(1,1)数值最高,建议该滑坡采用GM(1,1)进行预报。通过模型的综合分析评判,不仅分析了模拟效果,而且直接比较了模型间的拟合效果,并为建立模拟效果好的模型提供了充分的依据,从而表明滑坡预报质量检验模型是一种有效、实用的方法。     

红岩煤矿岩溶双重介质对降雨响应特征的研究

根据大量监测资料,研究了矿区岩溶管道和溶孔、溶隙流对降雨的不同响应特征,并概化出本区的岩溶地下水系统结构图。最后应用时间序列分析频谱方法研究了３１年来矿井涌水量对降雨量的响应关系,即全矿涌水量滞后于降雨６ｄ。     

长潭水电厂混凝土大坝变形观测分析研究

简要介绍长潭水电厂大坝观测系统布置,对大坝长期变形观测资料进行了系统的分析。为了定量分析大坝变形观测值的变化规律,对典型测值序列采用统计回归算法建立数学模型,分析自变量与因变量之间的关系,从而对大坝各个效应量作出解释。给出了大坝处于正常工作时期的结论。     

滑坡动态力学监测及破坏过程案例分析

边坡临滑预警一直是地灾研究的难点与热点问题。本文采用一种力学监测方法(牛顿力监测)对雅安宝兴县某傍山公路边坡进行监测,该边坡位于唐包滑坡老滑坡体下缘边界处。经过4个月的连续监测,获取了大量监测数据,并成功预报了两次局部滑坡。本文首先整合牛顿力监测数据和降雨量监测数据,再将监测曲线与滑坡演化过程进行对比分析,揭示滑坡过程中的力学演化规律,对降雨条件下诱发滑坡的原因进行了分析。然后对牛顿力监测预警成功的案例其临滑预警时长与滑坡体量间的关系进行拟合,发现存在明显的正相关关系。最后讨论了牛顿力监测方法与斋藤模型之间的关联性以及优劣势,并根据各自的特点提出了由面到点的监测预警思路。通过分析,牛顿力监测曲线与滑坡演化过程能较好对应,并可将土质滑坡分为3阶段:(1)牛顿力上升阶段; (2)牛顿力突降阶段; (3)滑坡阶段。本文为牛顿力监测系统的推广提供了实践经验,并为力学监测与位移监测结合的研究提供一个新的思路。     

桥基隧道明挖施工多元信息集成智能方法与应用

针对大连地铁香工街车站明挖施工邻接桥桩的问题,构建施工远程信息自动化监测体系,进行静力水准仪、电子测斜仪、电子轴力计等传感器布置,获得施工过程多元信息。基于Visual C#.Net平台自主开发了集成智能分析系统,引入支持向量机和差异进化算法,建立三维力学参数反分析和时间序列预测方法。该软件系统包括数据操作、反馈分析、数据报警和可视化输出的模块。将该方法系统应用于大连地铁香工街车站施工过程,进行多元信息采集,利用实际监测的信息数据,调用系统差异进化算法进行第2层和第3层岩石弹性参数搜索,反馈计算值与监测值的最大相对误差为8.23%,进而简化了倒换撑方案。然后通过对QCJ-13-01桥墩监测数据的DE-SVM非线性时间序列预测和超前报警,及时采取隔离桩措施,有效地控制了桥桩变形。该方法系统集自动化远程监测硬件技术和计算智能分析功能于一体,为类似复杂地下工程信息化施工提供先进有效的途径。