非平稳序列的平稳化及其在隧道变形分析中的应用

序列平稳性是时间序列变形分析建模的重要前提,本文通过对时间序列模型及其特性进行分析,探讨了在变形监测分析建模中非平稳序列的平稳化问题,结合实例给出了某长输天然气管道隧道监测数据的非平稳序列平稳化处理的具体过程。     

深基坑变形监测数据时序分析法的建模与预报

基坑变形监测的各种数据一般是以时间间隔构成的随机序列,用时间序列分析的方法进行监测数据的建模与预报是有效处理监测数据的一种手段。本文以基坑监测中有代表性的监测数据-锚杆拉力监测为例,用时序分析的方法对监测数据处理、分析、建立适合的模型以及对数据进行预报等过程进行研究和探讨。     

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.     

灰色-时序组合模型在地表变形预测中的应用

通过对某地铁监测点小波去噪后的数据建立灰色预测模型,分析了灰色预测的优缺点,针对灰色预测对波动性数据预测的不足,建立了灰色-时序组合模型。首先,利用灰色模型提取时间序列中的趋势项;然后,用时序模型对残差项进行建模分析,兼顾了数据的趋势性和波动性,弥补了灰色预测的不足,提高了预报精度。     

非倾向性振荡分析用于变形监测数据分析的探讨

介绍分形学理论中的非倾向性振荡分析法(DFA)分析时间序列数据的方法。应用该方法对某变形数据进行分析,分析其变形的相关性以及对后续建模分析时的作用。最后说明定标指数可以从整体上描述变形数据序列的动态变化特征。     

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。     

模糊时间序列模型在滑坡预测预报中的应用

将模糊时间序列模型引入到滑坡预测预报中。简要介绍了模糊时间序列建模的步骤,并用实例验证了模糊时间序列模型用于滑坡预测预报的可行性。     

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。     

动态神经网络在变形预报中的应用

静态神经网络模型用于在线时间序列的预报时具有局限性,即网络的泛化能力有限,且模型不能不断地适应新增样本的变化。如果每增加一个样本对神经网络重新训练,需要大量的计算时间。针对该问题,提出了动态神经网络预报模型。在获得新增样本数据之后,通过比较预报值与实际值之差的绝对值是否大于ε敏感因子,决定模型是否需要修正。为了降低模型修正的计算时间,提出了在线动态修正方法,实现了增加样本而矩阵阶数不增加,且避免了矩阵求逆运算,理论上可以提高计算效率。通过实例表明,该方法在计算时间和预报精度两个方面都具有一定优势,可应用于在线实时变形预报及相关领域。     

变形分析与预测模型中病态问题分析

本文对变形分析与预测模型中的线性回归分析法、时间序列分析模型、灰色系统分析模型中的病态问题进行了理论分析和数值模拟。通过对变形观测资料施加干扰噪声,采用最小二乘原理,得出了三种模型中每一个参数与干扰噪声的数值关系表达式。指出在变形解释和变形预测中,用这三种模型进行建模分析时必须先检查信息矩阵A=XTX的病态程度,采取有效方法减轻A=XTX的病态程度后方可使用这三种模型。     

基于时序模型的变形预报研究

时序模型是一种有效的变形预报方法,但在很多变形预报时序模型应用中,存在建模过程不严密、缺乏统计检验和模型验证等问题.针对这些问题,本文首次在变形预报中采用LM检验来判断序列的相关性,ADF检验判断序列的平稳性,自相关图和偏自相关图初步确定模型类型和阶数以及AIC准则来确定最终模型,确保建模的每一过程都有严格的统计意义.文中利用实测沉降数据,建立了预报模型,并利用模型进行预报;最后将预报结果与实测数据比较,验证了预报模型的有效性,证明本文建模方法科学合理,能用于实际变形预报.     

混沌理论在变形分析与预报中的应用

由于受到各种环境因素及仪器本身的影响,变形监测被看作为一个复杂系统。它本身的各种参变量是不确定的、随机的,表现为复杂的非线性行为。运用现代混沌理论,对变形监测时间序列进行探索性研究,把混沌时间序列理论引入到变形分析研究中,对该理论的建立及预测方法进行了讨论。通过实例表明混沌时间序列预测方法对变形数据序列的预测具有比较好的精度。     

基于时间序列分析的桥梁变形监测预报研究

时间序列分析方法对短期建筑物变形预报具有较高的模型拟合及预报精度.本文从时间序列预测算法原理出发,阐述了使用此方法对所获得的桥梁变形监测数据进行模式识别、模型建立及预报的过程,并利用MATLAB实现了编程代码.通过对某桥梁变形监测预报的应用表明,该方法实用性较强,可以及早为桥梁变形做出预警,以避免或减少灾害的发生..     

基于小波去噪的地铁变形组合预测模型分析

对地铁监测数据建立相应的预测模型,对变形可进行前瞻性预测,从而保证地铁安全的施工和运营。本文以北京市地铁某基坑工程为研究对象,首先以某一监测点为例,利用小波分析对原始监测数据进行去噪处理;然后分别利用时间序列分析模型和BP神经网络模型对去噪后的数据进行建模分析,得到原数据的拟合值和对未来变形的预测值;最后利用同期Sentinel-1A卫星影像进行相干点时序InSAR处理,得到形变结果。通过分析两个模型的预测值与实际值,并与InSAR结果进行对比,验证了两个预测模型在地铁形变监测中应用的优劣性。     

变形分析与预报方法综述

简要介绍国内外现有的变形分析与变形预报的理论和方法,并对诸方法进行比较和评价。     

灰时序GM-AR模型在建筑物沉降变形预测中的应用

本文以现代高层建筑沉降变形预测为主要研究目的,讨论了灰色GM(1,1)模型和时序AR模型的特点和适用范围,从预测的角度对灰色和时序模型进行了比较和分析;提出了基于优化灰参数α、u的GM(1,1)模型和AR组合模型预测高层建筑物沉降变形的新方法;将变形量分解成具有确定性的趋势项和具有不确定性的随机项,建立GM-AR模型分别对趋势项和随机项进行预测,应用结果表明,该方法使预测结果更为可靠、准确。     

改进的GM-AR组合模型在电离层TEC预报中的应用

电离层总电子含量(TEC)是影响GPS导航定位精度的重要因素之一。因此对于电离层总电子含量的研究及准确预测可以大大提高GPS的定位精度。由于灰色预测模型在理论上可以进行中长期预测,但实际应用中随着时间的推移,其预测精度会随之下降,为解决这一问题,对GM(1,1)模型进行改进,并将改进后的GM(1,1)模型与时间序列模型组合。利用改进的GM-AR模型进行TEC预报,预报的精度比两种方法单独预测的精度有较大提高,并应用实例证明该方法的可行性。     

一种改进的开采沉陷动态下沉模型

针对Knothe时间函数在描述点位动态下沉过程中的不足,该文采用分段函数构建改进的Knothe时间函数。结合煤矿工作面观测站实测数据,建立工作面开采沉陷动态下沉预计模型;并利用概率积分法模型及回归分析等方法解算模型所需参数,包括地表任意点最终下沉量、时间因素影响系数及地表点位最大下沉速度出现时间。经实验验证,基于改进的Knothe时间函数的开采沉陷动态预计模型能够真实地反映地表下沉的动态过程,且精度满足开采沉陷工作需要。