用时间序列分析法进行建筑物沉降观测数据处理的研究

本文将时间序列分析法用于建筑物沉降观测数据处理,给出了用此法进行沉降观测数据处理时模型阶数确定的统计检验方法、模型参数估计以及预报分析的方法,以某建筑物沉降观测第30期的测量成果为例说明应用此法的全过程,并对计算结果进行了分析比较。     

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。     

基于时间序列法的高速公路沉降预测

公路的不均匀沉降会对车辆运行带来极大的安全隐患,高速公路沉降观测和预测是保障高速公路安全运营的必要手段.本文将时间序列法用于高速公路沉降预测,分析时间序列法的建模步骤、参数估计和适应性分析原理.通过程序计算得到预测结果和精度,与传统的双曲线法比较发现,时间序列法具有更高的预测精度和更好的工程实用性.     

基于混沌时间序列的桥梁沉降预测

混沌的离散情况常常表现为混沌时间序列,而混沌时间序列中蕴含着丰富的系统的动力学信息。本文基于某桥梁的实际观测的沉降时间序列用自相关法求取时间延迟t、用Cao方法求取嵌入维数获得相空间重构参数,然后用最大Lyapunov指数法进行时间序列的混沌特性识别,证明桥梁沉降运动系统具有混沌特性。最后分别使用加权一阶局域预测法、Volterra级数自适应预测法以及RBF神经网络预测模型进行预测,比较了几种方法的预测精度,得到RBF神经网络模型在短期预测中具有较好的性能。     

时间序列分析在地铁沉降监测中的应用

采用时间序列分析方法,对长春市地铁一号线——繁荣路站基坑变形监测点连续28期的数据进行分析处理,建立自回归模型,并对后4期数据进行预报,其一步拟合中误差为σ=±0.2 mm,具有较高精度。通过对数据的分析,论证了时间序列分析方法在地铁沉降监测中的可行性与有效性。     

混沌时间序列在建筑物沉降预测中的应用研究

应用了混沌时间序列预测方法,建立了沉降预测的非线性混沌模型,实现了长安大学B点高层住宅楼实际沉降监测数据进行预测计算.     

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。     

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。     

时间序列分析在地铁沉降观测中的应用

为了避免地铁建设过程中危险事故发生,需要在施工过程中进行沉降观测。本文研究采用时间序列分析对不同地质条件下地铁拱顶沉降点观测数据进行平稳化处理,求出自相关系数及偏相关系数,确定预测模型和误差残差值及置信区间。实验结果表明,拟合预测值与原始观测数据的差值在合理的误差范围内,能够对沉降值进行预测,实现对地铁沉降进行监测的目的。     

高层建筑物沉降观测方案设计探讨

高层建筑施工中的沉降观测,能够有效的对施工过程进行监控,并通过采用合理的变形监测方法及程序进行观测,对实施过程的测量数据进行分析,了解沉降原因并制定对策以避免造成建筑物主体结构的破坏或产生影响结构使用功能的裂缝,为勘察设计施工部门提供详尽的一手资料。本文结合赣州市政中心北区办公楼进行沉降观测方案设计的工作实践,介绍了高层建筑物沉降观测方案设计的过程和方法,重点阐述了观测技术要求和线路的确定、沉降观测点的布设及观测内容等方面内容。     

基于混沌时间序列的桥墩沉降预测

跨海大桥因船体撞击、移动车辆荷载、河水冲刷等因素的作用,桥墩的沉降变形表现为非线性特征。因此,首先对桥墩的沉降时间序列求取延迟时间τ和嵌入维数m,并采用最大Lyapunov指数证明该时间序列具有混沌特性;然后根据求取的参数建立加权零阶局域预测模型和加权一阶局域预测模型分别对沉降时间序列进行预测。算例结果表明,加权一阶局域预测模型具有较高的预测精度,且混沌局域预测法不适合做长期预测,但可做短期预测。     

基于SPSS的高层建筑物沉降预计模型研究

沉降监测工作在高层建筑整个施工过程中很关键, 沉降预计也十分重要。为了更好地预计沉降值, 本文利用SPSS统计与分析软件建立多种曲线模型对实测值进行回归分析, 拟合出不同曲线并分析比较不同模型的精度, 得出最为符合实际情况的预计模型表达式, 并进一步进行分段优化。经分析研究与实例验证, 该模型在一定程度上具有很好的可靠度与可行性, 且分段拟合效果更佳。     

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。     

基于时间序列模型的沉降监测预报分析

时间序列模型预测具有可靠性与高效性的特点。本文结合沉降监测工程,采用Matlab进行建模预报分析,分别基于预测模型(AR、MA、ARMA)进行应用。对比自回归模型、滑动平均模型及自回归滑动平均模型预测结果的精度,表明3种模型可预测期连续分布,模型组合可提高预测精度。     

利用时间序列分析预报电离层TEC

以IGS发布的电离层总电子含量(total electron content,TEC)数据为样本,利用时间序列分析进行预报。将TEC时间序列分解为趋势项、周期项和随机项的组合,并利用相关系数和偏相关系数确定模型阶数。对IGS提供的2008年TEC数据进行预报分析,结果表明,采用时间序列分析能达到较高精度,预报7 d时的平均相对精度为87.75%,预报精度大于60%的预报值占所有预报值的95%以上,预报精度大于85%的预报值占所有预报值的72.6%,95.3%的预报残差小于±3 TECU。     

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。     

建筑物沉降规律的综合时序分析

建筑物的沉降监测数据序列具有趋势变化和随机变化的特点，本文针对两种变化项的特点分别建立相应的数学模型，再将其组合起来建立综合数学模型，从总体上把握沉降数据序列的变化规律。实例计算分析表明，此方法具有较高的拟合精度和预测能力，具有一定的应用参考价值。     

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。