ARMA模型在变形监测中的应用

介绍了时间序列分析模型ARMA进行模型识别、参数估计、模型检验和模型预测及其在变形监测数据处理中的应用。并结合某一工程实例,采用该模型对一组实测变形数据进行了分析、预测,取得了较好的数据拟合与预测效果,该模型对变形监测数据处理与预报是十分可靠和可行的,具有很强的实际应用价值。     

新陈代谢灰色模型在地铁变形监测中的应用

针对地铁开挖造成的地表变形预测问题,本文探讨了灰色模型的基本原理与优势,并以某地铁实测变形数据为依据,采用新陈代谢GM(1,1)模型进行建模预测,以ARMA预测模型、GM(1,1)模型分别进行对比分析。通过精度评定,获取可靠结论。实验结果表明,3种预计模型均可获取一定精度的预测值,新陈代谢GM(1,1)模型的预测值准确可靠,精度高于另外两种模型,为同类变形预计的实际工程项目提供了依据,具有参考价值。     

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。     

动态变形分析

随着工程建筑物变形观测的全面开展,对变形观测数据处理提出了愈来愈高的要求。变形观测数据的静态处理已不能满足生产需要,“动态变形分析理论”迅速发展起来。例如,时序分析方法率先在工程技术的许多领域得到广泛应用。作为1985年变形分析讲座的补充,本讲座将围绕时序分析在变形观测数据处理中可能应用的情况,通过算例介绍时序分析的建模方法。本讲座的目的在于介绍用动态数据处理来分析变形数据,侧重点将放在数据的具体实用处理方法上,而不追求数学理论上的严密性。限于篇幅,对于计算中所用公式与公式应用时应满足的条件,一般不作推导与论证。本讲座共有四讲,第一讲内容是变形的时间特性及相应的数据处理的方法。第二讲介绍ARMA模型识别,第三讲介绍ARMA模型的参数估计,这两讲合起来构成时序分析中的时域分析方法。第四讲介绍时序分析的频域分析方法。     

基于ARMA模型的GPS基准站坐标时间序列分析

由于利用GAMIT/GLOBK软件对连续运行多年的GPS基准站数据进行处理的原始结果存在一定的噪声,本文利用ARMA模型对GPS基准站坐标进行时间序列分析,其中采用Pandit-Wu方法确定ARMA模型的阶数.试验结果表明,采用Pandit-Wu方法能够准确地确定ARMA模型的阶数,并且基于ARMA的时间序列有效地消除了一定量的噪声,让GPS基准站随着时间的变化规律与趋势更加明显,说明ARMA模型在GPS基准站坐标时间序列分析中剔除噪声及突显变化量与趋势具有良好的效果.     

利用球冠谐函数和时间序列分析预报南极地区电离层

利用球冠谐函数和时间序列分析实现了南极地区电离层预报。首先,通过南极地区的GPS实测数据提取高精度的电离层总电子含量,并建立了极区球冠谐函数模型;然后,对不同时间段形成的模型系数时间序列进行了谱分析得到周期项,利用傅里叶三角级数拟合并预报趋势项;最后,利用时间序列分析理论中的ARMA(p,q)模型对剔除了趋势项的随机信号部分进行预报。结果表明,一天内电离层预报精度在1TECU,三天内在1.5TECU。     

时空序列模型在地下管线沉降监测中的应用

变形分析与预报是工程建(构)物在施工与运营期间的重要内容,目前应用较为广泛的是针对变形体各测点建立时间序列模型(ARMA),这种建模方法考虑的是各测点位移在时间变化上的关联性,而时空序列模型(STARMA)则同时考虑测点在时间以及空间上的相关性,从理论上来讲,能够更好的解释变形体的形变规律。本文以某地下管线沉降监测为研究对象,分别建立ARMA模型以及STARMA模型,通过计算各测点预测RSE、NMSE、RMSE、MAE四个误差指标值并进行比较,验证了STARMA模型在预测精度上好于ARMA模型,对于管线沉降监测具有一定的应用价值。     

基于球谐函数模型的电离层预报

据球谐函数模型系数的特点,采用ARMA(p,q)模型对球谐函数模型系数进行预报,由球谐函数模型计算电离层VTEC。提出了针对某一时刻球谐系数进行预报的方法,相比传统按照时刻顺序的预报,预报时间大大延长,预报精度也有所提高。试验结果表明,相比中高纬度地区,低纬度地区预报精度偏低,同时,一天中不同时刻预报结果有所差别,前半天的预报效果明显好于后半天。     

时间序列分析的直播星用户开卡预测

针对同一地区不同时间内直播星电视服务用户的数量变化特征,该文提出了基于时间序列的直播星用户预测方法,并通过ARIMA模型预测用户数量。分析了ARIMA模型的建立方法和评价参数,对时间序列模型ARIMA(p,d,q)的参数进行不同组合的尝试;利用模型评价参数(平稳的R方和正态化的BIC)确定模型的阶数p、q;对模型进行参数检验和显著性检验,根据检验结果确立最终模型为ARIMA(4,2,3);采用宁夏用户数据对模型拟合效果进行验证,进而对未来几个月的用户数量进行预测。结果表明,时间序列模型ARIMA(4,2,3)对宁夏用户数量变化的预测准确度比较高。     

应用时间序列方法作大坝变形预报

本文首先介绍时序分析的三个基本模型——ARMA模型、AR模型和MA模型,以及各模型的统计性质。然后以某大坝1715廊道的激光视准线观测位移值(已利用倒垂观测把相对位移化为绝对位移)为例,着重叙述大坝变形分析的建模过程,得到了一个AR(2)模型并对大坝变形作了预报,结果具有相当好的预报精度。从而说明,时序分析法将是大坝变形分析的一个有力工具。     

GOCE卫星重力梯度数据反演重力场的滤波器设计与比较分析

地球重力场和海洋环流探测（gravity field and steady-state ocean circulation explorer,GOCE）卫星重力梯度数据有色噪声和低频系统误差的滤波处理是反演高精度地球重力场的一个关键问题。针对GOCE卫星重力梯度数据的滤波处理,基于移动平均（moving average,MA）方法和CPR(circle per revolution)经验参数方法设计了两类低频系统误差滤波器,并分别将这两类滤波器与基于自回归移动平均（auto-regressive and moving average,ARMA）模型设计的有色噪声滤波器组合起来形成级联滤波器。为了分析滤波器处理的实际效果,基于空域最小二乘法采用70 d的GOCE观测数据,并联合重力恢复与气候实验（gravity recovery and climate experiment,GRACE）数据分别反演了224阶次的重力场模型GOGR-MA(MA+ARMA级联滤波)和GOGR-CPR(CPR+ARMA级联滤波)。将反演模型与采用同期数据求解的第一代GOCE系列模型及GOCE和GRACE联合模...     

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。     

灰色建模中数据缺失值处理方法探讨

为解决在利用灰色理论建模中出现的数据缺失问题,提出利用SPSS软件的缺失值处理模块和稳健估计计算模块的合成,对数据的缺失机制进行处理。通过该方法对数据缺失的处理,保证了模型能够正常进行数据拟合。利用SPSS软件对某一实例中缺失值进行估计,并对缺失值填充后的结果进行评价,以达到客观、准确的结果。     

基于GIS的海岸带管理信息系统开发

介绍了海岸带管理信息系统的设计思路和结构体系。系统以商业软件SQL Server2000存储数据,并通过数据库技术引擎ArcSDE和DAO技术提取数据,然后利用VisualBasic嵌套地理信息系统软件ArcGIS的内核ArcObjects、统计软件SPSS进行二次开发,实现了对珠江河口水质数据和模型数据的时空分析及可视化工作。     

地形起伏度与GPS多路径误差的相关性分析

为研究地形起伏度与全球定位系统(GPS)多路径误差的相关性,该文采用邻域统计、均值变点分析、相关性分析等方法,以ArcGIS为平台,基于某校区1m分辨率的数字高程模型(DEM)数据,运用均值变点分析确定最佳分析区域,并提取地形起伏度,再通过SPSS相关分析,获得地形起伏度与多路径误差M_(p1)、M_(p2)的Spearman秩相关系数。结果表明:最佳分析区域为11m×11m,对应的地形起伏度与多路径误差M_(p1)、M_(p2)在P<0.01下显著相关;测站周围5.5m范围内的地形起伏度对多路径误差有直接影响,尤其在地形起伏度大于3 m时,与多路径误差M_(p2)显著相关。     

老采空区地表沉降监测工程实践与资料分析

针对老采空区地表沉降的不确定性,通过监测方案的设计与实施,采集数据预处理对某一矿区进行分析,利用surfer软件得到了六个监测点的三维线框图并进行渲染。对监测工程资料进行平差处理,得到了各个观测量的精度指标。针对变形监测数据的变化特点,使用AR(p)模型进行编程,主要依据时间序列分析的建模步骤,将建模步骤中的数学公式转换为MATLAB编程语言然后使用编写的程序对变形观测数据进行分析,用前面多期监测数据建立数学模型,并对后面几期进行沉降预测,同时与实测值进行比较分析,用以检验时间序列预测的准确性。     

自回归模型在变形监测中的应用

为了准确地对变形监测进行预报,得到科学的监测结果,本文利用自回归模型和最小二乘估计以及矩阵实验室(MATLAB)对变形监测数据进行处理。通过实际工程分析得到如下结论：(1)自回归模型用于变形监测可得到比较科学的结论;(2)对于不同的变形监测数据,如何选择自回归模型p是一个亟须解决的问题。本研究的结论可为变形监测数据处理提供一定的参考。     

基于GIS的区域人口密度空间分布模拟——以张家界市永定区为例

人口统计数据空间化是解决统计数据与自然要素数据融合分析的有效途径。本文以张家界市永定区为研究单元,对小尺度区域的人口密度空间分布模拟进行了初步研究。文章根据2005年《永定区统计年鉴》所统计的人口数据,分析了永定区各乡镇平均人口密度与土地利用类型指数及地形指数(平均高程和平均坡度)之间的相关性。基于相关性分析,以GIS软件与SPSS统计软件为工具,运用多元回归的思想建立了人口数据空间化模型,同时生成了永定区250m×250m空间分辨率的栅格人口密度图。结果表明,模型模拟的精度较高,模拟过程具有较强的可操作性,可为县域尺度人口空间分布的应用研究提供借鉴。同时,研究结果为永定区推进城市化进程,提高人口、资源和环境的科学管理提供了理论基础。     

基于灰色预测和神经网络的城市建设用地量预测

采用灰色预测和NARMA(p，q)递归网络模型预测相结合的方法，对城市建设用地量预测值进行神经网络组合预测，在杭州市的实际应用中得到了较好的结果。     

多元回归分析法在地铁沉降监测中的应用

以乌鲁木齐市地铁某标段暗挖隧道变形监测为例,采用多种监测方法对该施工标段进行地表沉降监测,并通过Matlab软件建立了与实际工程相适应的回归模型。该模型可分析处理数据以及预测变形曲线,能充分发挥变形监测在地铁暗挖施工过程中的重要作用。