基于时间序列分析和灰色理论的建筑物沉降预测模型研究

基于时间序列分析方法建立建筑物沉降预测模型,其中通过二次移动平均法提取出沉降监测序列中的趋势项,并在此基础上采用灰色系统理论动态GM（1,1）模型进行趋势项预测。实际算例结果表明,该模型能够较好地预测沉降变化的发展趋势,并具有较高的预测精度,证明了该预测模型具有一定的可行性和有效性。     

基于ARMA模型的GPS钟差预报改进研究

以导航卫星钟误差预报钟常用的传统预测方法(二次项拟合模型与灰色模型)为基础,依据各自适用的特点,对IGS提供卫星钟差的时间序列进行了分解并建模分析。二次多项式模型参与建模的观测数据多,模型比较稳定,但是模型是关于时间的函数,随着时间的增长,预报误差也会积累,因此适合短期预报。灰色模型仅利用4个数据即可建立模型,因此可以加快建模的速度,模型的精度与时间没有直接关系,因此适合长期预测。传统预测模型二次多项式拟合与灰色模型建模时忽略了钟差中的随机项,利用时间序列模型对随机项进行了时间序列分解分析。     

大型基坑工程水平位移监测与预测结果分析

以银川大世界商务广场的基坑为例,介绍了大型基坑工程水平位移监测的实施方案,给出了水平位移监测方法的精度,并对监测成果进行了分析。在此基础上,分别用多项式拟合和时间序列分析模型两种方法进行建模,对基坑水平位移进行预测,结果表明,该基坑水平位移较小,在规范规定的要求之内,说明基坑是稳定的;时间序列分析模型的预测精度要高于多项式拟合模型的精度。     

一种建筑沉降叠加预测方法

针对高层建筑的沉降监测与趋势预报问题,结合时间序列分析方法,该文提出一种基于ARMA的趋势项和随机项叠加预测法,把沉降监测时间序列数据分解为趋势项与随机项,分别建立趋势回归函数模型与随机项ARMA模型,叠加进行沉降量的预报,并通过上海外滩某高层建筑的沉降监测实例,研究并比较了该方法与传统的ARIMA差分预测法对建筑沉降预报精度的影响。实验结果表明:基于ARMA的趋势项和随机项叠加预测法在沉降预报中精度优于基于ARIMA的差分预测法。该方法利用趋势回归函数的保持作用,克服了传统的时间序列ARIMA模型在长期预测中精度不高的问题,并且随着预测步长的增加,优势更加明显。     

两种高程坐标预测模型的精度对比分析

为提高IGS测站高程坐标预测精度,分别拟合两种时间序列模型:多项式周期模型与ARMA模型,选用我国及周边7个IGS站2013年的观测数据进行实验验证及对比分析。结果表明:两种模型的预报中误差均小于4.5 mm,可作为高程坐标预测的参考模型,同时,ARMA模型的预报精度较多项式周期模型的预报精度提升5%以上,且稳定性高于多项式周期模型,更加适合站点的坐标预报。     

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。     

结合三次样条和时序模型的桥墩沉降预测

在时间序列模型中,等时间序列模型建模过程简单,预报准确,但观测时间是不等间隔的;三次样条插值可以对一定的区间进行有效内插,得到等时间间隔的拟合数据。针对两种模型的优点,该文结合等时间序列模型和三次样条插值进行高铁桥墩的沉降预测。首先通过三次样条插值将数据进行等时间间隔处理,然后利用得到的数据建立时间序列模型,最后通过三次样条插值求得相应观测时间的预测值。以某高铁桥墩沉降的观测点为例,分别进行原始数据时间序列建模以及三次样条插值和等时间序列组合模型建模。实验结果证明,组合模型的预测精度更高。     

利用小波分解改进极移预报模型

为进一步提高极移预报精度,将小波分解引入极移预报中。首先利用小波分解对极移序列进行分解,分离低频分量与高频分量,然后对低频分量建立最小二乘外推模型,获得极移序列的趋势项外推值与残差序列,最后采用自回归（autoregressive,AR）模型对高频分量与残差序列之和进行预报,最终极移的预报值为最小二乘外推值与AR模型预报值之和。结果表明,小波分解可以明显改善最小二乘外推与AR组合模型的极移预报精度,尤其对于中长期预报改善更为明显。     

结合三次样条插值函数的地铁地表沉降监测预报模型

沉降监测数据预报可为工程的施工和运营管理提供有效参考数据,使工程施工与管理人员提前采取相关措施以保障工程安全。本文以某地铁地表特征点的沉降监测数据预报为例,运用Matlab语言编写三次样条插值函数拟合外推预测程序,顾及观测数据量和时间间隔两种因素分别建立了3种不同的预测预报模型,从内插拟合精度和外推预测精度两方面进行了对比分析,可为工程应用提供参考。     

基于遗传算法初值优化的反向灰色模型在沉降监测中的应用

反向灰色模型在具有单调递减趋势的时间序列预测中取得了较好的效果,但是初始值较为陈旧,影响了模型的精度。利用遗传算法对x(1)(n)序列初始值进行全局搜索,确定最优初始值,对反向灰色模型进行了优化。并利用高层建筑实际沉降观测数据对该方法进行了验证。结果表明,该优化灰色模型提高了原模型的预测精度,具有较高的实用价值。     

马尔可夫残差修正模型的高铁路基变形预测

针对灰色系统模型在变形预测中存在预测结果不理想的问题,给出马尔可夫残差修正模型,首先应用灰色预测模型对未来的沉降变形进行预测,然后用马尔可夫过程对预测结果修正,提高预测精度。应用表明:马尔可夫残差修正模型的预测值与观测数据的拟合结果优于传统灰色系统预测模型以及残差修正模型,其预测精度明显提高,沉降预测值更为可靠,可为工程监测提供科学决策依据。     

最优权组合预测法在采煤沉陷变形预测中的应用

煤矿地表沉降变形预测多基于煤矿开采沉陷预计理论展开,基于变形分析理论的变形预测模型目前多集中在单模型预测。本文基于组合预测思想,以非等间隔灰色预测模型与BP神经网络模型为预测单模型,以陕西北部某煤矿采煤工作面上方实测地表沉降值为数据源,以最优加权法对单模型预测结果开展了最优权组合,组合模型中两种单模型的权重分别为0.466 7、0.533 3。选取部分监测点的预测结果进行模型精度评价,结果表明：3种预测模型精度均达到了一级。经对比3种模型预测结果,最优权组合预测的模型精度较单模型明显提升,预测结果较非等间隔灰色预测模型与BP神经网络预测模型有明显增益。     

基于相空间重构和高斯过程回归的对流层延迟预测

天顶对流层延迟(zenith tropospheric delay,ZTD)是影响GPS定位精度的关键因素,为了提高ZTD的预测精度,提出一种基于相空间重构的高斯过程回归预测模型.针对ZTD时间序列的混沌特性,利用国际GNSS服务(International GNSS Service,IGS)站提供的ZTD数据,采用C...     

改进的GM-AR组合模型在地铁沉降预测中的应用

灰色预测模型对沉降的整体趋势有很好地预测结果,时序模型针对随机性的数据进行预测,二者结合一定程度上可提高预测的精度。文中通过改进GM-AR模型并将其应用于地铁沉降预测中,同时与灰色预测模型和GM-AR组合模型的预测精度进行对比分析。结果表明,改进后GM-AR模型可以有较好的预测效果。     

基于AR模型的GPS精密卫星钟差建模与预报

在GPS卫星精密钟差的预报中,短周期预报通常采用二次项拟合模型,长周期预报通常采用灰色模型,但这两种模型都只是考虑趋势项而没有考虑随机项,通过利用AR模型对钟差的随机项进行建模,并作为随机补偿,加入到二次项拟合模型与灰色模型中,以完善钟差预报的短周期与长周期模型。在算例中运用由IGS提供的精密钟差进行预测,结果表明:改进后的模型使钟差预报的精度得到一定程度的提高。     

马尔可夫链改进的MMF沉降预测模型及应用

针对地基沉降机理复杂及随机性特点,结合马尔可夫链理论,本文建立了一种马尔可夫链改进的MMF沉降预测模型。首先采用部分实测沉降数据,利用CurveExpert软件拟合MMF模型;然后根据MMF模型预测相对误差大小,并按照马尔可夫理论划分状态区间,构建状态转移概率矩阵,预测下一个沉降量所处的状态,从而得到了马尔可夫链改进的MMF预测值;最后将本文模型应用于深圳滨海大道市政工程软土路基沉降预测中,并对模型的预测效果进行精度分析。结果表明,马尔可夫链改进的MMF模型的预测精度较单一的MMF有明显提高,建模方法合理,可用于类似的工程预测。     

混沌理论在桥梁变形监测中的应用

针对桥梁的非线性下沉问题,引用了混沌理论,首先求取时间序列的两重构参数时间延迟τ和嵌入维数m进行相空间重构;随后进行混沌特性判别,确定该时间序列存在混沌迹象;最后根据所求参数建立加权零阶局域预计模型和RBF神经网络混沌预计模型对观测数据进行预计分析,并与系数为0.9的指数平滑预测模型进行比较,结果显示混沌预计模型值更接...     

一种基于GA-BP-MC神经网络的高铁桥墩沉降预测模型

提出一种基于马尔科夫链修正的遗传BP神经网络预测模型（GA-BP-MC）,利用遗传算法的全局寻优能力初始化BP神经网络权值和阈值,初步建立GA-BP神经网络预测模型,结合马尔科夫链的无后效性修正模型预测值,形成高精度GA-BP-MC神经网络变形预测模型。结合高铁桥墩沉降数据,分别与BP神经网络、GA-BP神经网络预测模型进行对比,结果表明,该预测模型精度最高。     

监测数据小波方法的回归估计及应用

提出一种基于小波分析和回归估计的变形预测模型,基本思想是根据小波分析的优点,对监测数据进行小波分解,通过对小波系数进行估计得到回归估计函数。由于在小波分解过程中对小波系数作用于阈值,即对监测过程受到的干扰进行了消除或降低,从而使建立的预测模型更接近于变形体规律,预测更准确。实例计算表明,这种模型是切实可行的。     

基于分位数回归的幂多项式在数据分析中的应用

针对路基沉降与观测时间存在非线性关系,且传统最小二乘参数估计精度不高的问题,建立具有较强逼近能力的幂多项式路基沉降预测模型,并用分位数回归估算模型系数。工程实例表明,基于分位数回归估计的幂多项式预测模型具有较高的精确度,优于最小二乘估计的幂多项式预测模型和多变量灰色预测模型,为沉降预测提供一种新方法。