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。     

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。     

时间序列分析在地铁沉降监测中的应用

采用时间序列分析的方法,通过对已获取的地铁沉降监测数据进行分析、建模,得到合理的沉降预测模型,不仅可以预测出短时间内地铁区段的沉降量,并可了解地铁区段短时间内的沉降趋势。实验证明,方法简单、快速、准确,具有良好的短期预报效果。     

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.     

小波时间序列在地铁沉降监测中的应用

本文结合小波理论和时间序列的基本原理,提出了小波时间序列模型,并应用于某市地铁沉降的预测中,将其结果与常规时间序列模型对比,表明该模型具有在粗差探测、剔除等方面的优点,同时比常规模型预测更具应用价值。     

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。     

稳健时间序列方法及其在变形时频分析中的应用

计算机技术、通信技术、传感器技术的发展给变形监测的手段带来了极大的变化。GPS技术、RTK技术及各种带传感器的测量仪器（流体静力水准仪、测量机器人、数字垂线仪等）在变形监测中已得到较广泛的应用，可以得到许多物理量随时间而变化的近似连续的观测序列。     

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。     

浅谈时序InSAR沉降监测结果的分析方法

应用InSAR技术获得沉降监测结果后,如果没有工程、水文、地质等参考数据,则很少对结果进行继续分析.针对这种情况,本文以实际项目为例,详细介绍了如何利用现有数据进行分析的方法,并对结果进行展示,以供类似项目参考.     

优化非等时距加权灰色-时序组合模型在地铁监测中的应用

对某地铁工程沉降数据进行建模预测,可以掌握其变形规律并预测变形趋势.本文将传统非等时距灰色模型引入时距权比系数,按照不同的生成及还原方式构建3种预测模型,并确定最优拟合序列.在此基础上,组合时序模型对残差部分进行处理,建立优化非等时距加权灰色-时序组合模型,结合工程实例进行验证.结果表明,优化非等时距加权灰色-时序组合模型在地铁监测中具有实用性.     

黄土台塬滑坡变形的时序InSAR监测分析

黄土台塬由于经常性的农业灌溉容易造成边缘区域滑坡发育。因此,需要利用有效手段对这些潜在的滑坡隐患进行早期识别与监测。利用时间序列合成孔径雷达干涉测量（interferometric synthetic aperture radar,InSAR）技术对2016-01至2018-08期间获取的升降轨Sentinel-1数据集进行分析,获取了甘肃永靖黑方台典型台塬地区的滑坡隐患分布情况。将InSAR结果与GPS观测资料进行对比,验证了时序InSAR处理方法的有效性。对该地区滑坡的历史变形分析表明,持续的农业灌溉引起的地下水位抬升是台塬边缘坡体失稳的主要诱因。同时,InSAR时序分析发现,研究区域内的跨黄河大桥受季节更替和温度波动的影响,存在周期性变形现象。实验结果证明了时序InSAR方法在地表变形监测中的有效性,可在黄土滑坡识别与监测防治中发挥重要作用。     

陆态网络CORS站观测时间序列分析方法研究

以陆态网络CORS站中的武汉站为切入点,分别采用ARIMA模型和傅里叶拟合模型对武汉站10 a左右的观测时间序列进行分析拟合。实验表明,ARIMA模型和傅里叶拟合模型都能较好地拟合武汉站测站时间序列,但从细节来讲,ARIMA模型理论严密,拟合效果稳定;而傅里叶拟合模型更有利于直观分析时间序列中的各种周期频谱特性。     

基于厄米特插值和时间序列模型在沉降监测中的应用

针对沉降监测中用时间序列分析数据样本较少、处理精度不高的问题,本文引入厄米特插值,提出用厄米特插值法对数据进行插值,增加数据样本,然后用时间序列对数据进行建模分析。为了验证用厄米特插值后的数据建模精度,将上述理论运用到工程实例中,用时间序列分析分别对厄米特插值处理后的数据和原始数据进行建模分析,得到用厄米特插值处理后的数据进行时间序列分析建模的平均绝对误差比原始数据建模的平均绝对误差高0.083 8 mm。说明厄米特插值和时间序列组合模型精度比较高。