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。     

地铁结构变形预测的时间序列模型方法研究

本文根据南京地铁某区间隧道结构变形监测数据,分别采用回归分析方法和时间序列分析方法建立模型,对地铁结构变形进行预测。计算结果表明在该工程实例中,回归分析模型的预测精度约为±0.20mm,时间序列模型的预测精度约为±0.08mm,较回归分析模型提高了60%,能够较好的对地铁结构变形进行预测。     

重标极差分析法在地铁变形监测中的应用

为了科学、准确、及时地对地铁隧道结构进行监测分析,该文将重标极差分析法引入到地铁的变形监测中,并以南京地铁为例,对长时期垂直位移时序进行了R/S分析,研究地铁沉降监测点的变化趋势,并将R/S分析的预测结果与实际监测数据进行了对比,预测结果与实测数据具有一致性。结果表明:描述和刻画复杂非线性时序的R/S分析方法,能有效地对地铁变形时间序列数据进行预测分析。地铁变形时间序列数据的Hurst指数,不仅在时间上反映不同变形的趋势性及其强度,而且在空间上反映地铁不同部位的变形趋势特征。R/S分析方法适合变形监测项目的预报分析,在变形监测中具有一定的应用前景。     

人工神经网络方法(BP)在变形监测中的应用

变形模型的分析研究以及变形预测是变形监测的重要内容,常用的方法有回归分析法、时间序列法、灰色理论方法、人工神经网络法以及变形的组合分析方法等,本文就人工神经网络方法从实际应用的角度出发,对工程实例进行了计算分析,得到了相应的变形分析模型并进行了变形的预测,试验结果说明:人工神经网络方法应用于实际工程的监测预测具有一定的实际意义。     

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。     

多元回归与频谱分析在地铁自动化监测分析中的应用研究

多元回归分析是变形监测数据分析的常用方法。本文首先给出多元线性回归模型以及模型显著性检验方法,然后结合频谱分析可以确定时间序列数据的周期性,综合使用两种方法进行地铁保护区自动化监测数据分析,结果表明:该综合模型对变形数据的处理有着显著的优越性。     

小波变换在时间序列特征提取中的应用

时间序列的数学特征主要包括随机项、周期项以及趋势项.针对变形监测等测绘领域中如何对时间序列进行特征提取并进行分析与预测等重要问题,提出一种基于多尺度分析的小波变换方法.首先选取合适的小波基函数、分解层次等参数,其次将待分析的时间序列分解成低频和高频两部分,最后将分解后的时间序列投射到不同尺度上,从而可以提取所需要的有用信息.研究结果表明,基于多尺度分析的小波变换方法能够有效对时间序列进行特征提取,分析出其中的随机项、周期项、趋势项等信息,可以用于GPS变形监测等工程实际中.     

地铁隧道轴线贯通测量偏差控制、

论文的研究主题是地铁隧道贯通测量偏差控制、动态变形分析及预报方法研究。 　　本文以实际工程为背景，研究的重点是结合笔者负责承担的上海地铁二号线：东方路站至东昌路站、东昌路站至陆家嘴路站、陆家嘴路站至河南路站、静安寺站至江苏路站4个区间隧道轴线贯通的实际，研究探索出一套适用于地铁贯通测量的有效方法。指出目前国内外普遍采用的等影响原则分配地铁隧道轴线贯通各环节限差的缺陷，提出了切合地铁隧道贯通实际的限差配赋原则。分析探讨并对每一环节的误差进行精度分析、估算，并加以控制。提出在确保隧道轴线贯通的前提下所采用的测量手段和方法，并编制了相应的程序，其有效性以成功地用于解决上海地铁二号线4个区间段的贯通测量任务而得到验证。 　　论文运用动态数据处理的理论，探讨了从盾构推进中地表变形数据时间序列的分析途径出发，提出了一种简单快速、适宜于工程实际问题的动态变形分析及趋势预报的有效方法。为克服陈旧数据的不良影响，提出动态模型中衰减因子的优选算法，从而用于解决盾构掘进中，地表变形动态系统模型的建立及变形预报。对变形分析及预测的研究扩展到运用神经网络的研究，充分利用神经网络对非线性问题的优势，对人工神经网络用于地铁施工中隧道内部及相应地表变形预测中遇到的技术问题进行了系统的研究，提出了防止网络训练过拟合及局部最小的方法，对影响网络收敛的各技术参数的选择进行了探讨，结果表明：将人工神经网络用于隧道内部及地表变形预测，效果优于其他方法。     

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。