时序分析在危岩体监测数据处理中的应用

引入时间序列分析进行危岩体监测数据的处理，建立了危岩体变形的动态模型，取得了较好的拟合与预报精度。     

时间序列分析在变形监测数据处理中的应用

从时间序列分析的基本原理及方法出发,详细论述了如何使用这种方法对变形监测数据进行识模、建模、与预报.并通过实例计算验证了此种方法具有较高的拟合和预报精度,较好地描述了变形监测点的变化规律.     

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。     

DPS在变形监测数据处理中的应用

介绍应用DPS软件处理变形监测数据的优点,并应用该软件,结合时间序列分析理论,对某一实测数据进行处理,结果表明,处理结果能达到令人满意的效果.     

BFGS-BP法在变形监测数据处理中的应用

针对传统的BP神经网络算法计算精度低、收敛速度慢的缺点,本文将求解无约束极值问题的非线性最优化方法—BFGS法引入到BP神经网络模型,构建适用于带有不确定性和非线性的结构变形监测数据的处理和预测的BFGS-BP网络模型。并以某隧道施工过程中的拱顶下沉观测数据为例,进行BFGS-BP与传统BP算法的训练和预测对比试验。试验结果表明,与传统的BP算法相比,BFGS-BP模型具有更高的计算精度、更快的收敛速度。     

VB在深基坑变形监测数据处理中的应用

深基坑的变形监测是保证基坑作业安全的重要手段,随着大型建筑的建设数量的逐年增加,对深基坑的变形监测也越来越频繁。观测数据的处理也成为测量人员的一项重要工作,通过利用VB编制对监测数据处理程序,不仅减少了测量人员繁复的数据处理的工作量、简化了数据处理工作的过程,而且极大地避免了在计算过程中因人员造成的纰漏与错误。     

灰色模型在非等步长变形监测数据处理中的应用

常规变形监测数据处理中的GM(1,1)灰色模型是以等时间间隔观测值为原始序列,经一次累加处理,建立生成数列的一阶微分方程,并利用最小二乘求解未知参数的建模方法;但实际监测过程中,因受诸多因素影响,采集到的原始数据多呈现非等间隔分布,引入时间权重思想建立改进的GM(1,1)灰色模型,通过对沉降数据进行建模分析及精度检验,扩大了灰色模型的适用范围,验证了该模型的可靠性和科学性。     

基于小波消噪的时序分析改进法在GPS变形监测中的应用

考虑到小波技术在粗差探测、消噪方面有特殊的作用,本文结合实际算例,把小波分析与传统数据处理技术结合作为研究对象,提出一种基于小波消噪的时序分析改进法。并对这种处理方法在GPS监测中的应用作了充分地论证。结果表明,经过小波处理后,时序分析法在预报方面有明显的进步,小波处理后的时序分析法比小波处理前的精度高,从而说明了这种改进方法的可行性。     

GPS构造沉降监测数据处理及变形分析

为了防洪防灾及对水患区的治理,在洞庭湖区建立了高精度的GPS构造沉降监测网。顾及到对流层延迟的影响,实测了每个测站处的气象数据。基线解算采用了高精度的解算软件GAMIT,监测网平差使用了GLOBK软件。解算出的起算点的坐标精度为±3.0mm。由两期GPS观测数据所计算的各个监测点的南北方向和东西方向的中误差都小于1mm,垂直方向的精度都优于3.0mm。研究和计算结果表明,洞庭湖区的构造沉降变形是很显著的。两期GPS监测获得的每个监测点的垂直变形值显著可信,可直接用于沉降变形分析和地壳运动研究。     

时间序列分析在地铁变形监测中的应用

本文基于平稳时间序列数据的分析处理方法,研究了利用ARMA(p,q)模型进行地铁变形数据处理和预报的方法与步骤,应用统计软件SPSS19.0对实测变形数据进行了处理。结果表明:应用ARMA(p,q)模型分析处理变形数据十分有效、可靠;同时充分利用现有的统计软件SPSS进行建模具有操作简便、计算准确可靠、预测精度高等优点。     

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。     

深基坑变形监测数据时序分析法的建模与预报

基坑变形监测的各种数据一般是以时间间隔构成的随机序列,用时间序列分析的方法进行监测数据的建模与预报是有效处理监测数据的一种手段。本文以基坑监测中有代表性的监测数据-锚杆拉力监测为例,用时序分析的方法对监测数据处理、分析、建立适合的模型以及对数据进行预报等过程进行研究和探讨。     

基于时间序列的变形监测数据处理方法比较研究

本文首先对时间序列的一些基本原理进行介绍,详细阐述了简单移动平均法、加权移动平均法、趋势移动平均法等方法。结合实测的基坑测斜数据进行分析、预测,比较三种不同模型的预测精度,表明趋势移动平均法在基坑测斜数据处理中具有最好的拟合性。     

我国GPS跟踪站数据处理与时间序列特征分析

应用国内GPS跟踪站7 a的观测数据,分析研究跟踪站坐标位置变化规律,并给出了站坐标和速度场精度的统计分析结果,同时介绍了国内GPS基准站的数据处理方法。通过对时间序列进行分析研究表明,GPS基准站的时间序列具有一定的周期性,高程分量的周期性最为明显,并且时间序列的时频特性表现出明显的区域性。     

基于ARMA模型的GPS基准站坐标时间序列分析

由于利用GAMIT/GLOBK软件对连续运行多年的GPS基准站数据进行处理的原始结果存在一定的噪声,本文利用ARMA模型对GPS基准站坐标进行时间序列分析,其中采用Pandit-Wu方法确定ARMA模型的阶数.试验结果表明,采用Pandit-Wu方法能够准确地确定ARMA模型的阶数,并且基于ARMA的时间序列有效地消除了一定量的噪声,让GPS基准站随着时间的变化规律与趋势更加明显,说明ARMA模型在GPS基准站坐标时间序列分析中剔除噪声及突显变化量与趋势具有良好的效果.     

自适应卡尔曼滤波在变形监测动态数据处理中的应用

介绍了卡尔曼滤波技术的基本思想，给出了自适应卡尔曼滤波动态噪声方差阵∑ΩｋΩｋ补偿法的计算公式，以及在变形监测动态数据处理中的应用。分析了应用中存在的问题及解决途径．通过实例说明了该法用于变形监测预报具有较高的精度。     

极移时间序列模型的拟合与预测

对IERS提供的极移数据进行了余弦趋势模型及ARMA模型拟合和预测。对实验结果进行分析,发现余弦趋势模型适合对极移成分进行分析;同时,ARMA模型适合对极移时间序列进行拟合及预测,其拟合精度相对于余弦趋势模型有较大提高,预测精度接近国际最好水平。     

GPS高程数据时间序列分析

对GPS台站时间序列进行了研究,对我国IGS连续跟踪站高程分量的数据进行谱分析和小波分析,用最小二乘法将时间序列的白噪声与有色噪声分离,并利用AR模型建模。通过分析,获得拉萨、上海和武汉GPS连续跟踪站的有色噪声特征。