平稳自回归模型在高层建筑沉降预测中的应用

首先介绍了平稳自回归模型-AR(p)模型,然后将该模型应用到高层建筑沉降预测实例中,通过沉降实测数据与预测数据进行对比分析,其结果均满足精度要求,表明:AR(p)模型在高层建筑的沉降预测中具有很好的适用性。     

基于分位数自回归的路基沉降数据预测分析

高填方路基存在施工期稳定控制和工后沉降控制问题。解决这两个问题的关键在于及时准确地预测出高填方路基的沉降量。通过对路基沉降时间序列分析,建立了自回归AR(1)拟合预测模型。采取分位数回归法和最小二乘法进行模型参数估计和比较分析,结果表明分位数回归法在模型参数估计时有明显的优势,预测精度远高于多变量灰色MGM()模型和基于最小二乘估计的自回归AR(1)模型。工程实例分析表明,分位数自回归模型具有很好的预测和应变能力,完全可以用于路基沉降数据预测分析。     

GM-BP组合模型在地表变形预测中的应用

灰色模型具有计算简便、所需数据量小等优点,在短期预测中有较高的精度,但对波动性较大的数据预测效果较差;神经网络具有较强的非线性映射能力以及自学习能力,对波动性数据的处理效果良好。本文结合二者的优点,建立了GM-BP组合模型。实例证明,组合模型相对单一的模型在地表变形预测中具有明显的优势。     

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。     

pGM(1,1)模型在变形预测中的应用

分析了GM（1，1）模型在背景值取值上的不足，提出了一种基于权的pGM(1,1)模型，通过模型比较，表明pGM(1,1)模型具有更好的预测效果，并用该模型进行了实际的变形预测。     

基于小波分析AR(P)-SVR组合模型在大坝变形预测中的应用

监测序列经小波分解后,得到低频分量和高频分量。对低频分量采用自回归AR(P)模型预测,对高频分量采用支持向量回归机SVR模型预测,最后将各分量进行小波重构,得到监测序列的预测值。结果表明,此种预测方法比直接使用SVR模型或经小波分解后再采用SVR模型预测精度高。     

pGM(1,1)模型在变形预测中的应用

分析了GM(1,1)模型在背景值取值上的不足,提出了一种基于权的pGM(1,1)模型.通过模型比较,表明pGM(1,1)模型具有更好的预测效果,并用该模型进行了实际的变形预测.     

灰色-时序组合模型在地表变形预测中的应用

通过对某地铁监测点小波去噪后的数据建立灰色预测模型,分析了灰色预测的优缺点,针对灰色预测对波动性数据预测的不足,建立了灰色-时序组合模型。首先,利用灰色模型提取时间序列中的趋势项;然后,用时序模型对残差项进行建模分析,兼顾了数据的趋势性和波动性,弥补了灰色预测的不足,提高了预报精度。     

基于ARIMA-TGM组合模型的边坡变形预测

通过权系数将ARIMA模型和时变参数GM(1,1)模型结合形成ARIMA-TGM组合模型,针对边坡位移监测数据组成的时间序列,采用ARIMA模型、时变参数GM(1,1)模型和ARIMA-TGM组合模型进行分析预测,通过实验对比3种模型的预测精度,实验结果表明ARIMA-TGM组合模型的预测精度较单一预测模型有所提高,适用于边坡变形的分析预测,研究成果可为边坡的防灾减灾提供一定的技术参考。     

变权组合模型在工程变形预测中的研究

随着变形预测在工程中的广泛应用,很多单一预测模型预测精度较低,因此,很多学者对组合预测模型进行探讨研究。本文主要研究定权和变权两种确定权重系数建立组合预测模型的方法,以灰色GM(1,1)模型和时间序列模型两种单一模型为基础建立定权组合预测模型和变权组合预测模型进行拟合预测,并通过实例验证分析,得出变权组合预测模型拟合预测精度高于定权组合预测模型拟合预测精度,得到了较好的拟合预测结果,从而可以更好地应用到工程变形预测当中。     

基于二维直接线性变换的数字相机畸变模型的建立

提出并论证了基于二维直接线性变换的畸变的校正方法。本方法特别适用于各类固态摄像机(CCD、CID、PSD)的畸变模型的建立,以补偿各类像点系统误差。     

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。     

应用半参数AR模型的电离层TEC建模与预测

本文基于时间序列分析的DDS(Dynamic Data System)建模法,对季节性的电离层总电子含量(TEC)时间序列观测值平稳化后建立自回归AR模型,提出以半参数AR模型对普通AR模型精化,并利用半参数AR模型对电离层TEC预报。实例分析表明:利用半参数AR模型对电离层TEC进行预报,在短期内半参数模型预报效果优于普通AR模型,但随着预报时间变长,则半参数模型预报精度明显下降,其预报效果则不如普通的AR模型。     

影像的数字畸变模型

阐述了建立各类成像系统通用数字畸变模型并提供对应内方位元素的原理与方法,并以鱼眼数字相机所摄影像的全处理过程为例,证实了本文方法的正确性。     

基于线性分析及AR模型在GNSS时间序列中的应用

GNSS技术是现代测量技术的代表。为了提高GNSS时间序列的精度,本文利用时间序列线性分析的方法,探测分析时间序列存在的趋势项、周期项以及复杂程度。利用线性拟合方法获取了3个方向的拟合函数;自相关和偏自相关函数探测出时间序列存在周期项和趋势项;应用AR(p)模型对时间序列进行了短期预测分析,通过模型定阶、估计,确定了AR(2)为最佳的预测模型,随着预测步数的增加,预测精度逐渐降低。     

数码相机的畸变差检测研究

提出了一种检测面阵CCD数码相机畸变差的方法。首先利用标准三维检校场测定面阵CCD数码相 机的内方位元素和系统畸变系数,然后依据投影几何中空间直线经中心投影变换后仍是直线的原理,提出了 对面阵CCD数码相机随机畸变的检测和改正方法。利用该方法对UAVRS Ⅱ系统中的面阵数码相机的畸变 进行了检校,获取了满意的结果。     

基于AR（p）的卡尔曼滤波在GPS变形监测中的应用

由于AR（p）模型结构比较简单且计算比较方便,在变形分析中,目前常采用此模型建立变形模型。然而单纯的AR模型把模型参数作为定值,变形数据拟合误差及变形预测误差可能会比较大。介绍了将卡尔曼滤波引入AR模型,利用观测数据建立AR模型,即建立观测方程;以AR模型的参数为状态向量建立状态方程。从而形成动态系统的卡尔曼滤波函数模型,动态计算出AR模型的参数以便预测。此方法快速、实时,且占有较少内存,充分利用了AR模型和卡尔曼滤波二者的优点。     

GNSS信号数字畸变频域模型的建立

从BPSK、BOCs（1,1）以及BOCs（m,n）信号的自相关函数和数字畸变互相关函数出发,推导出BPSK、BOCs（1,1）以及BOCs（m,n）信号数字畸变的互相关功率谱,建立了数字畸变频域模型,通过比较传统数字畸变模型和数字畸变频域模型的测距偏差,证明在分析畸变信号影响时,数字畸变频域模型可以代替传统数字畸变时域模型,从而简化了数字畸变信号影响的分析过程。