无缝线性回归与预测模型

建立回归模型常采用最小二乘方法并忽略自变量观测误差。尽管同时顾及自变量和因变量观测误差的总体最小二乘方法近年来得到了广泛研究,但在模型预测时,依然忽略了待预测自变量的观测误差。对此,本文提出了一种严格考虑所有变量观测误差的无缝线性回归和预测模型,该模型将回归模型的建立和因变量预测联合处理,在建立回归模型过程中对待预测自变量的观测误差进行估计并修正,从而提高了模型预测效果。理论证明,现有的几种线性回归模型都是无缝线性回归和预测模型的特例。试验结果表明,无缝线性回归和预测模型的预测效果优于现有的几种模型,尤其在变量观测误差相关性较大时,无缝模型对预测效果的改善更为显著。     

高层建筑物沉降观测及双时段数据分析

以咸阳某小区高层建筑物沉降观测数据为例,探求沉降观测的不同时段数据分析与预测的较优方法。应用线性回归模型和灰色系统模型对封顶前和封顶后的沉降观测数据进行了分析和预测,比较两模型在不同时段进行数据分析时的结果,得到在建筑物封顶前沉降观测数据分析时,采用回归模型和灰色系统模型均可,对封顶后的沉降观测数据分析时灰色系统模型则更为适合。     

基于多元分析的地铁车站深基坑形变规律研究

鉴于深基坑变形监测中观测数据相互关联影响,结合地下管线与桩体位移等形变数据,将多元线性回归模型与灰色模型GM(1,N)应用于深基坑形变数据预测。本文根据深基坑监测基础数据进行多种形变数据的规律性分析;应用两种分析模型预测了五种基坑形变数据,将预测结果与实测值进行对比分析。结果表明,基坑监测设计合理,开挖期间形变不大、较稳定;比较两种模型,随时间生成动态参数的GM(1,N)模型具有更小的残差,能较好地预测基坑变形规律,可以用于相关项目的实施与数据分析。     

自适应过滤法在磁悬浮陀螺全站仪观测数据预测中的应用研究

介绍自适应过滤法原理及计算方法,利用自适应过滤法模型动态地预测磁悬浮陀螺全站仪数据的变化趋势。实际数据计算结果表明:自适应过滤模型预测精度优于传统的回归分析法,适合于磁悬浮陀螺全站仪观测数据的预报,且适应于仪器采集的周期性变化的数据,此方法可以作为仪器观测数据自动监测的有效手段之一。     

灰线性马尔科夫模型在建筑物变形监测中的应用

针对传统灰色GM(1,1)预测模型在建筑物变形监测预报中的拟合精度较差、预测精度较低和预测时间较短的问题,文中以传统GM(1,1)、线性回归和马尔科夫模型为理论基础,构建了灰线性马尔科夫预测模型,并结合某建筑物变形监测的观测数据,运用新陈代谢的计算模式进行预测。结果表明,灰线性马尔科夫预测模型的拟合精度和预测精度优于单一的灰色GM(1,1)预测模型和线性回归预测模型,灰线性马尔科夫预测模型具有预测精度高、预测时间长和稳定性高的优势。     

预测模型在对流层延迟计算中的应用研究

为了消弱对流层延迟影响,提高GPS定位的精度,探讨了利用预测模型计算对流层延迟的可行性。建立了计算对流层延迟的多元线性回归模型、组合预测模型、灰色模型和BP神经网络模型,并提出了一种基于可靠度的组合模型权系数确定方法。结合邳州、新沂两个CORS站的观测数据和地面气象数据,利用4种预测模型进行对流层延迟预测实验。实验结果表明:在48 h的预测时段内,4种模型预测对流层延迟的精度分别为10,15,25和30 mm。其中多元线性回归模型预测效果最佳,在已知学习样本真值的情况下,其预测精度达到1 cm,较传统对流层延迟改正模型精度提高约50%。     

LIBSVM与线性回归模型在沉降预测方面的比较

将高层建筑层数和沉降观测时间间隔作为自变量,沉降值作为因变量建立多元线性回归模型和LIBSVM模型,通过分析比较证明在沉降预测方面LIBSVM模型优于多元线性回归模型。     

高铁桥墩沉降预测模型的研究及应用

分析高铁的沉降观测数据,评价其安全状况至关重要。采用基因表达式编程(GEP)算法,将某高铁桥墩的沉降观测数据建立预测模型,并与GM(1,1)模型、灰色线性回归模型及BP神经网络模型进行对比分析。结果表明,基于GEP的方法建模更加便捷,预测精度更高,能有效进行变形分析。     

基于BP神经网络技术的区域短期地震预测模型研究

地震预测是一个世界性科学难题,特别是短期与临震预测的水平与社会需求相距甚远。论文在详细分析研究地震数据特征以及常规地震预测方法的基础上,提出了一种可以实现地震震级量化预测的新方法,此方法通过解算出地震参数和天文时变参数并建立地震预测模型,对未来预测周期内发生的最大地震震级进行量化预测。本文以实验区域为研究对象并选取6个月为预测周期,采用线性回归分析方法和常规BP神经网络方法进行研究。经回溯检验,其地震震级预测中误差分别为±0.78级和±0.61级,精度均有待提高。经过总结上述两种方法的优缺点,创新的提出了基于线性回归与神经网络技术的地震预测融合模型,回溯检验结果表明,融合模型的震级预测中误差为±0.41级,地震预测效果显著提高。     

高层建筑物沉降变形的灰线性预测

本文以高层建筑物沉降变形预测为主要研究目的,讨论了GM(1,1)方法适用于单一指数增长模型、对预测序列数据异常情况难以准确预测的局限性,利用线性回归适用短期预测的特点,提出了基于GM(1,1)与线性回归组合预测高层建筑物沉降变形的方法;对组合模型预测精度起决定性作用的灰指数v和参数m进行了分析,给出了求解灰指数v和参数m的最优值算法,最后利用组合模型对某高层建筑物沉降变形数据进行了解算,应用结果表明,该方法使预测结果更为可靠、准确。