时间序列分析在变形监测数据处理中的应用

在变形监测数据处理中,为了提高预报的精度,本文引入了时间序列分析中的ARMA模型,通过工程实例对该模型的预报精度进行检测,该工程实例的变形监测数据共有30期,本文通过前25期的数据进行ARMA建模并对第26至30期的变形量进行预报,与相应的实际观测值进行对比求差。对比结果显示预报结果良好,一步预报最大残差值在1mm,时间序列分析方法在变形监测数据处理领域应用效果良好。     

基于时间序列的高层建筑物沉降预测

本文从时间序列的原理出发,详细论述了时间序列的建模步骤,针对时间序列预测精度随预测步数的增加而减小的不足,对时间序列模型进行了改进,建立了动态时间序列模型,并采用MATLAB软件进行编程,最后结合某电厂冷却塔沉降观测数据进行预报,预报结果表明动态时间序列模型能保持较高的预报精度,能较好的描述建筑物的变形规律。     

GM-ARMA-BP组合模型在建筑物沉降预测中的应用

针对建筑物变形监测中的沉降预测问题,本文结合灰色模型、时间序列模型和BP神经网络模型的优点,提出了GM-ARMA-BP组合模型进行沉降预测的方法,有效克服了单一模型稳定性差的缺点,并以某高层建筑沉降观测数据为样本,通过对这几种模型的沉降预测结果进行比较分析,结果表明:GMARMA-BP组合模型预测效果最好,精度较单一模型提高50%以上,并且具有一定的适用性。     

基于时序分析的建筑物沉降数据处理

变形数据分析与预报是变形监测数据处理的重要内容。基于时间序列分析的特性,研究了应用AR模型对建筑物沉降数据进行分析处理和预报的方法步骤,并通过实例计算证明,该模型具有较好的拟合效果和预报精度。     

基于小波去噪的高铁沉降预测模型研究

以武汉市某高铁的沉降观测数据为基础,对小波去噪前后的观测数据分别采用非线性曲线拟合模型和时间序列分析模型进行建模预测,并与实测数据进行比较分析.结果表明,观测数据经小波去噪后再进行建模分析,两种方法的预测精度都有很大改善,对高铁沉降变形预报有一定的实用价值.     

混合GM(1,1)模型预报季节性时间序列精度的方法探讨

灰色系统已被成功用于工程、经济、物理控制等许多领域。然而在预报具有季节性的时间序列时，直接应用GM(1，1)灰色模型往往精度不高。因为GM(1，1)灰色模型只能反映时间序列的总体变化趋势，不能很好反映其季节性波动变化的具体特征。因此，作者提出运用“滑动平均去季节性波动”与GM(1，1)混合建模的方法预报具有季节特征的时间序列。并以水文地质系统中地下水位预报和安装在混凝土中的测缝计测得的建筑物形变量为一组时间序列，基于均方差、平均绝对误差和平均绝对百分误差三个精度准则，比较了此方法与其它灰色建模法的结果。结果表明，此方法不仅能反映时间序列的总体变化趋势，而且能客观反映其波动变化的具体特征，有效提高了预报精度，减少了建模的复杂度。     

基于时间序列分析的变形预报

研究了利用时间序列分析方法进行变形预报。首先叙述了变形观测数据预处理、时间序列平稳性检验、模型的选用和检验;然后针对一组实测数据,利用多项式提取趋势项,分析回归残差,建立了AR(2)预报模型,并利用模型进行了预报;最后将预报结果与实测数据比较,证明了预报模型的有效性。     

基于时间序列分析的变形预报

研究了利用时间序列分析方法进行变形预报.首先叙述了变形观测数据预处理、时间序列平稳性检验、模型的选用和检验;然后针对一组实测数据,利用多项式提取趋势项,分析回归残差,建立了AR(2)预报模型,并利用模型进行了预报;最后将预报结果与实测数据比较,证明了预报模型的有效性.     

基于LS+AR模型的极移预报及其周期项影响分析

采用LS+AR预报模型的对极移进行预报,深入分析极移数据中钱德勒项和周年项对预报精度的影响。计算结果显示,极移数据中各周期项具有时变性特点,将已知观测数据确定出的周期项应用到极移预报中会明显提高预报精度。因此,建议在进行极移预报之前首先应进行时间序列分析,确定已有数据的各周期项,在极移预报中加以考虑。     

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。     

灰色时序组合模型在基坑监测中的运用

科学、实时、准确地分析和预报建筑物、构筑物的变形在现代测量工程实践中有着重要的意义。文中将时间序列分析与灰色系统理论相结合用于变形监测沉降数据预测。结合国家超级计算长沙中心项目天河广场深基坑沉降监测的数据实例,说明预测方法具有容易实现与预测准确的优点,是一种非常有效的预测方法。     

灰色时序组合模型在基坑监测中的运用

科学、实时、准确地分析和预报建筑物、构筑物的变形在现代测量工程实践中有着重要的意义。文中将时间序列分析与灰色系统理论相结合用于变形监测沉降数据预测。结合国家超级计算长沙中心项目天河广场深基坑沉降监测的数据实例,说明预测方法具有容易实现与预测准确的优点,是一种非常有效的预测方法。     

傅里叶时频分析的建筑物沉降预测

针对时间序列自回归(AR)模型在高层建筑物沉降预测中出现的对于历史资料分析和利用不充分的情况,提出了一种基于傅里叶时频分析的沉降预测模型。以桂林市某在建的高层建筑物的沉降变形为例,在分别从时域和频域两个方面充分分析资料的基础上,对建筑物的沉降观测数据进行建模分析,得到了均方误差为0.107 9 mm的预测精度,很好地克服了AR模型在应用中存在的问题,提高了预测精度。     

修正指数曲线法与灰色模型和BP神经网络预测在建筑物沉降中的对比分析

变形监测在建筑物施工和运营管理方面是一个至关重要的环节,变形监测的预测模型有很多。选取适当的变形监测预测模型对于预测建筑物的变形尤为重要。本文运用灰色模型GM(1,1)、BP神经网络和曲线拟合中的修正指数曲线对一幢大楼13期的沉降观测数据进行分析。利用前12期沉降观测数据构建预测模型来预测第13期沉降观测的数据,将预测的结果与实际测量的结果进行比较,得出这三种模型预测的精度。结果表明:在这一幢大楼的沉降观测预测中,修正指数曲线法预测的精度要比灰色模型GM(1,1)和BP神经网络预测的精度高。     

基于加权改进灰色模型的建筑物变形预报

针对灰色模型在建筑物变形预报中存在的问题,提出了改进灰色模型的要求。该模型运用了距离最近影响最大的原则,对建模数据赋以一定的权,以体现各个数据的重要性不同;同时给出了三种不同的加权方法;最后,结合工程实际,比较了经典灰色模型和加权改进灰色模型的预报效果。结果表明本文的方法能很好地改善预报精度。     

时间序列模型在建筑物沉降监测中的应用

简要介绍了时间序列分析的基本原理及方法、数据识别、建模和预报及其在变形监测数据处理中的应用。结合华景新城二区六期20号楼的一个监测点（J101）连续20期的观测数据进行了计算分析,实际工程应用表明,该模型能准确监测和预报建筑的变形,具有很强的实际应用价值。     

建筑物主体的沉降观测精度探讨

定期检查建筑物主体的稳定性,了解变形,及时预报预测,消除安全隐患,尽可能减少损失是变形监测的主要任务。以一在建高端购物中心为例,阐述建筑物沉降观测的具体实施过程,分析沉降观测的数据,判断沉降速率,并探讨沉降观测的精度要求,从而进行建筑物沉降稳定性判断。     

地铁变形监测小波去噪与灰色-时序模型研究

近年来,我国城市建设迅速发展,路面交通不堪重负,发展地下交通成为一种趋势,由此引发的地表沉降是值得我们重视的问题。以河南省某市市民文化服务区地下交通工程为例,进行了小波去噪及灰色时序模型的研究。针对观测数据中存在的粗差,采用多种小波模型进行探测、剔除工作。在此基础上建立灰色预测模型、时间序列预测模型以及两者的组合模型。结果表明灰色模型对于波动性数据处理效果不佳,而时间序列模型短期预报比较精确,组合模型能够兼顾数据的波动性和趋势性,预测精度最高,能够满足地铁区间隧道地表变形精度要求。     

时间序列分析的修正预测在建筑物沉降 监测中的应用

时间序列分析是一种动态的数据处理方法,广泛应用于数据处理中。变形监测是一种延续性的数据收集过程,本文通过介绍时间序列分析方法,验证其在建筑物沉降监测中的适用性。变形监测的最终目的是为了预测,保证工程的安全进行。针对预测步长越长精度越低的问题,进一步地,在获取新数据之后,利用原预测值进行修正预测,在尽量少的增加工作量的基础上,充分利用新获得数据较好的提高了预测精度。     

基于时间序列分析的桥梁变形监测预报研究

时间序列分析方法对短期建筑物变形预报具有较高的模型拟合及预报精度.本文从时间序列预测算法原理出发,阐述了使用此方法对所获得的桥梁变形监测数据进行模式识别、模型建立及预报的过程,并利用MATLAB实现了编程代码.通过对某桥梁变形监测预报的应用表明,该方法实用性较强,可以及早为桥梁变形做出预警,以避免或减少灾害的发生..