基于时间序列分析的变形预报

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.     

基于时间序列分析的变形预报

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。     

桥梁变形的AR预报模型研究

基于时间序列分析卵论,提出以统一的AR模型对平稳可逆的随机时间序列建模的新方法.结合桥梁沉降监测的具体实例应用AR模型进行预报.结果表明,应用AR模型预报桥梁变形,具有模型形式简单、计算量和存储量较小、便于上机实现、模型顶测精度高等优点.     

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。     

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..     

小波-时序理论支持下的地铁变形监测研究

随着我国城市化建设不断发展,人口急剧增加,城市路面交通拥堵成为常态,因此发展地下交通成为一种趋势,由此引发的地表沉降是值得重视的问题。针对实测数据中含有粗差这一现象,本文以山东省某市地铁工程为例,选取最佳的小波模型对观测数据进行粗差探测,并剔除。分别使用时间序列预测模型对实测数据和降噪后的数据进行预测分析,结果显示两者的预测值都能够满足精度要求,并且小波去噪后的时间序列预测模型精度更高。     

基于灰色时间序列分析的建筑物变形预报研究

提出一种基于灰色时间序列分析的建筑物变形预报方法。对建筑物变形观测数据进行累加,削弱其随机扰动的影响。通过增强建筑物变形观测数据规律性,达到提高时间序列分析预报模型精度的目的。实测数据分析表明,该方法能够有效提高变形预报的精度与可靠性。     

基于模糊时间序列的变形预报模型及其应用

将模糊时间序列模型引入变形预报,并与灰色GM(1,1)、等维灰数、组合动态等模型进行了比较,计算结果表明,模糊时间序列模型各项精度评定指标优良,并且计算简单,非常实用。     

基于ARIMA模型的边坡变形分析与预测

详细论述了时间序列分析中的平稳性分析、模型识别、模型评价和模型预测的过程,建立自回归滑动平均求和(ARIMA)模型对2016年6月29日-2017年10月4日共计461 d的边坡监测数据进行时间序列分析和预测。结果显示:利用ARIMA模型对边坡观测数据进行时间序列分析具有可行性,并能取得较好的效果,研究成果可为工程施工和防灾减灾提供技术参考。     

非平稳时序分析的B-J建模法在变形预测中的应用

本文简要介绍了时序分析的基本原理,论述了非平稳序列的B-J建模法的步骤,包括数据预处理、模型识别、参数估计及预报等;分别用时序分析B-J法和回归分析法进行了实例建模及预报,并对预报结果进行了分析比较,论证了单纯的时序分析法短记忆预报的特点,讨论了时序分析的优缺点,最后总结了在进行变形预报时必须根据数据的数学特征选择相应的数学模型。     

时间序列协整关系及其在变形分析中的应用研究

通过对时间序列模型及其特性进行分析,运用序列间协整关系,实现同一变形体不同变形监测数据序列之间的联系,提取出平稳的、可用于变形预测分析的信息,建立适用于实际工程的ARIMAX动态预测模型,并通过工程实例验证预测模型的优化性、有效性与可行性。     

西山村滑坡时序形变的SBAS-InSAR监测

针对传统地表形变监测技术在我国西南山区深厚堆积层滑坡体形变监测中存在的时空分辨率问题,该文利用72景时序Sentinel-1A TOPS SAR影像,基于短基线集(SBAS-InSAR)技术获取2016—2019年四川理县通化乡西山村滑坡的时序形变特征。结果表明:西山村滑坡整体呈近线性沉降的运动趋势,在监测时段内未出现加速现象,处于长期活跃的蠕动形变。其时序形变结果呈现较为均匀的变化,与坡体形态吻合度较高,雷达视线方向的累计形变量在-315.2~20 mm之间变化,形变速率在-116~9.5 mm/a之间变化。时序形变结果表明:最严重的形变区域位于水田寨村组与马崩渔湾村组的交界处,其次是坡体中下部的水田寨村组,坡体后部的拉海拉湾村组的形变程度最小。     

基于时序InSAR技术监测大桥历史形变

2019-06-14,河源市源城区东江大桥第三跨第二桥墩以及第四跨第三桥墩出现了垮塌,此次事故造成了人员伤亡和重大经济损失.为了分析此次灾害事故发生发展的成因,本研究获取了Sentinel-1A雷达卫星2018年12月至2019年6月的历史影像数据,基于时序InSAR技术手段处理得到了该监测时间段内的历史形变信息.研究...     

时间序列分析在地铁沉降观测中的应用

为了避免地铁建设过程中危险事故发生,需要在施工过程中进行沉降观测。本文研究采用时间序列分析对不同地质条件下地铁拱顶沉降点观测数据进行平稳化处理,求出自相关系数及偏相关系数,确定预测模型和误差残差值及置信区间。实验结果表明,拟合预测值与原始观测数据的差值在合理的误差范围内,能够对沉降值进行预测,实现对地铁沉降进行监测的目的。     

一种新的时间序列变点算法在变形数据分析中的应用

本文在传统的变点分析理论的基础上,针对传统变点处理的方法,提出利用自适应神经网络,在原时间序列的基础上,适当选择滚动窗口的长度d和窗口每次移动的间隔为n0,形成新的序列作为自适应神经网络的输入,对新序列进行分类,得到变点个数和位置,在此基础判断变点的类型。本文用模拟数据和实测滑坡三维变形数据和坝体变形数据对算法的有效性进行了检验。     

利用稀少卫星影像控制点生产1:10 000 DOM——以阿拉善盟测区为例

青藏铁路沿线地表受多年冻土的影响会产生抬升和沉降,形变监测对于其安全运行至关重要。本文采用41景C波段Sentinel-1A升轨数据,结合均匀网格划分子区域的方法,探测分布相对均匀的永久散射体,以作为SBAS InSAR技术的地面控制点,对青藏线羊八井站至乌玛塘站段铁路及其沿线地表进行形变监测。试验结果表明,该段铁路年形变速率范围为-8~2 mm/a,该区域形变受周围冻土的影响随季节呈周期性变化;SBAS InSAR技术和本文的PS-SBAS InSAR技术在同名点形变趋势与形变程度方面的对比结果保持一致性,进一步说明了本文方法的可靠性。     

时间序列分析及其在测绘领域的应用初探

时间序列分析是通过对研究对象随时间变化的过程来反映其变化规律并进行预测和分析。目前时间序列分析在统计、金融、贸易等学科领域应用较多,但在测绘领域的应用才刚刚开始。本文对时间序列的基本概念、常用建模方法等进行了概要总结和描述,并通过一个SPSS(Statistical Productand Service Solution,统计产品和服务解决方案)实例的分析,显示时序分析模型的应用过程,对时间序列分析在测绘领域的应用潜力进行了初步探索,为今后的深入研究积累了一定的经验。