共查询到19条相似文献,搜索用时 140 毫秒
1.
2.
3.
4.
5.
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。 相似文献
6.
王建生 《测绘科学技术学报》2011,28(2):150-152
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. 相似文献
7.
《现代测绘》2021,(4)
针对隧道施工项目信息化中遇到的多源海量异构数据利用不够直观,管理难,信息共享难等问题,对3DGIS与大数据技术进行了应用研究。通过利用3DGIS技术,搭建三维隧道施工虚拟场景,建立了统一的隧道施工空间数据库,解决了隧道施工多源异构数据的集成与管理;通过利用先进的空间大数据技术,开发了隧道施工信息化管理云平台,实现了对三维海量异构数据的分布式计算、存储与共享,解决隧道施工中海量异构数据的存储与分析计算问题。平台的研发,实现了隧道施工项目中多源数据的三维一体化管理、共享与应用,并实现了对施工中的安全、质量及进度等相关数据进行管理分析,提高了隧道施工信息化管理水平。 相似文献
8.
隧道监控量测是隧道施工安全控制的一个十分的重要环节,是隧道分步验收的重要内容之一,其目的是通过对隧道净空收敛和沉降观测,进行数据分析,优化隧道工程施工方案和优化设计,确定合理的安全步距和支护时间,保障隧道施工和工后运营安全。虽然国内外对隧道监控量测工作十分重视,但监测水平与信息化施工要求还相差甚远。提出隧道监测量测全断面三维激光扫描技术,并进行工程应用和实践。结果表明该技术可以实时、准确、全方位获取隧道空间变形数据。并进行变形分析和反分析,进行隧道施工风险预警预报,指导隧道信息化施工和优化设计,精度达到或超过有关规程要求,研究成果对隧道施工具有重要的理论意义和工程实际意义。 相似文献
9.
针对铁路隧道施工项目海量异构数据存储困难、信息不共享、展示不直观、数据价值利用不充分等问题,本文利用BIM及空间大数据技术,研究探讨了隧道施工项目海量异构数据的分布式存储、网络共享、三维查询、智能分析决策等技术,实现了隧道施工项目高效的信息化管理;提出了铁路隧道BIM三维模型动态建立的技术方案,设计了隧道施工管理空间大数据的云平台框架,研发了一套铁路隧道施工空间大数据管理应用云平台;通过对平台的成功开发与应用,验证了框架体系的可行性,提高了隧道施工项目管理的信息化水平。 相似文献
10.
11.
12.
13.
沉降监测的数据分析与预计在工程建设中具有决策辅助作用。选择合理的预测模型进行沉降预计,可以提高预计精度。结合工程实例,对焦作市×××项目8号楼进行沉降监测,分别用回归分析模型和灰色理论GM(1,1)模型进行数据处理,从而说明两种模型各自适用的环境条件和优缺点,预计效果令人满意。 相似文献
14.
15.
山体滑坡位移量预测精度主要受预测模型和参量的影响,而基于回归模型和灰度预测模型的传统滑坡预测模型主要存在模型预测结构单调、引入的预测影响参量不全面、长期性预测精度低等问题,因此,本文基于北斗数据提出了一种基于梯度增强多元回归算法的滑坡预测方法。梯度增强多元回归模型在考虑多重因素的前提下,使用如降水量、土壤湿度、地形参数等滑坡主影响因子作为回归模型参量,同时结合梯度增强方法,可以增强预测模型的有效结构,提升数据的使用率,进而提高长、短期的滑坡位移量预测精度。最后以西宁市南山寺滑坡带为例,考虑降水、地面沉降、地形地貌等诱发滑坡的关键因素,分别基于梯度增强多元回归模型、贝叶斯岭回归模型、弹性网络回归模型及支持向量机回归模型进行试验。结果表明,梯度增强多元回归模型的方差(EV)结果为0.99 mm^(2),均方差(MSE)结果为0.04 mm,平均绝对误差(MAE)结果为0.15 mm,且利用梯度增强多元回归模型对2020年12月的表面位移量进行预测,发现相对误差区间为(-0.8%,0.8%],预测精度最高。因此,相对而言,梯度增强多元回归预测模型精度更优、效率更高,更能准确反映滑坡表面位移量的变化状态,精确地对滑坡体进行全天候监控、预警,保障滑坡体周边环境的安全。 相似文献
16.
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。 相似文献
17.
18.
回归预测模型是对传统回归模型的进一步扩展,不仅涉及回归模型的固定参数估计,而且将模型预测纳入平差的部分内容,更加符合实际解算需求.针对在回归模型预测中经常出现待预测非公共点(自变量)含有观测误差和随机模型不准确的问题,基于EIV (errors-in-variables)模型提出了一种同时顾及所有变量观测误差的整体解法... 相似文献