共查询到20条相似文献,搜索用时 0 毫秒
1.
在工程建(构)筑物的变形分析中,主要考虑的是针对各个测点的时序分析,进而实现变形体的预测预报,但这样会造成模型的冗余。实际上,很多变形体作为一个整体结构,测点间在时间和空间上均存在一定的相关性,即时空相关性。时空序列模型(STARMA)则是根据时空序列的时间相关性和空间相关性对序列进行分析的一种建模方法,从理论上来讲能够更好地反映出变形体的形变规律。本文以某建筑物的沉降监测作为研究对象,建立STARMA模型,结果表明,该模型具有较好的实际应用效果。 相似文献
2.
文中以298个验潮站作为研究对象,采用广义高斯-马尔科夫模型(GGM)、自回归滑动平均模型(ARMA)以及分形自回归聚合滑动平均模型(ARFIMA)三种模型,对验潮站坐标时间序列噪声模型特性及海平面变化趋势进行估计分析,并探讨了时间跨度对验潮站速度估计的影响. 实验结果表明:验潮站坐标时间序列主要呈现为ARFIMA(1,0)、ARFIMA(2,2)、ARMA (1,0) 噪声特性;验潮站速度估计结果表明64.77%的站点速度值所处区间为0~4 mm/a,平均海平面速度为1.25 mm/a,整体处于上升趋势. 随着时间跨度的增加,验潮站坐标序列速度不确定度逐渐由发散趋于收敛,大于110 a的时间跨度有助于获取稳健的验潮站速度估计值. 相似文献
3.
为解决传统模型因使用卫星钟差一次差分序列而导致预报精度差的问题,进一步提升预报精度,提出一种优化残差组合对卫星钟差一次差分序列进行预报的方法.该方法首先根据北斗卫星钟差序列的特点,利用四分位法(IQR)代替中位数法对一次差分序列进行预处理,然后利用自回归滑动平均模型(ARMA)将经过预处理后的卫星钟差一次差分序列分成趋势项和残差随机项,接着利用极限学习机(ELM)模型对残差部分进行建模预测,最后将ARMA模型的预测结果和ELM神经网络的残差预测结果求和后进行差分还原.结果表明:当卫星钟差呈非线性时,组合模型的预报精度比传统模型提升了38.2%,在北斗卫星钟差短期预报中具有一定的可行性. 相似文献
4.
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。 相似文献
5.
6.
变形监测分析的模型与方法主要是针对单点时序的分析,建立大坝位移自回归模型可实现大坝位移预测预报,但传统自回归模型都是针对单测点进行的,这意味着需要对所有的测点进行建模,将会造成大量模型冗余.而大坝作为一个整体结构,测点间的位移在空间上是相互关联的。单点自回归模型并未考虑着这种相关性,为了考虑测点间的这种空间相关性并建立统一的模型,本文采用时空自回归方法对五强溪大坝位移监测数据进行整体分析,建立了大坝位移的时空自回归模型。通过对大坝引张线测点的建模与预测分析,结果表明时空自回归模型在时间和空间上都可以对位移监测数据序列进行较好的拟合与预测。 相似文献
7.
对建筑物进行沉降监测并预报其变化趋势,能有效保障建筑物的安全性。本文提出一种基于小波变换的ARMA模型用于建筑物沉降预报。利用小波多尺度分析将沉降监测数据分解为高频信号和低频信号,并分别采用ARMA模型进行预测,然后将各序列预测结果进行合成,得到最终预测结果。并以青岛市某高层建筑物监测数据为例,分别采用传统ARMA模型以及基于小波变换的ARMA模型进行预报对比分析,结果表明基于小波变换的ARMA模型取得了较高的预报精度。 相似文献
8.
一种建筑沉降叠加预测方法 总被引:2,自引:0,他引:2
针对高层建筑的沉降监测与趋势预报问题,结合时间序列分析方法,该文提出一种基于ARMA的趋势项和随机项叠加预测法,把沉降监测时间序列数据分解为趋势项与随机项,分别建立趋势回归函数模型与随机项ARMA模型,叠加进行沉降量的预报,并通过上海外滩某高层建筑的沉降监测实例,研究并比较了该方法与传统的ARIMA差分预测法对建筑沉降预报精度的影响。实验结果表明:基于ARMA的趋势项和随机项叠加预测法在沉降预报中精度优于基于ARIMA的差分预测法。该方法利用趋势回归函数的保持作用,克服了传统的时间序列ARIMA模型在长期预测中精度不高的问题,并且随着预测步长的增加,优势更加明显。 相似文献
9.
伍锡锈 《测绘与空间地理信息》2018,(7):212-214
利用时间序列分析方法中的二次移动平均法提取出沉降监测序列中的趋势项,并在此基础上建立固定维数的动态GM(1,1)灰色模型进行沉降预测,同时利用Kalman滤波方法进行沉降预测,结合实际算例结果表明,这两种模型均能够较好地进行预测,证明了这两种预测模型均具有一定的可行性和有效性,并对两种预测模型在沉降监测预报中的应用进行了比较和分析。 相似文献
10.
陈兵 《测绘与空间地理信息》2020,(2):222-224
针对GM(1,1)模型预测结果精度低的问题,提出原始序列卡尔曼滤波处理的优化模型方法,结合指数函数构造背景值,进行灰色模型预测分析。结合苏州站综合楼基坑沉降监测结果,探讨了GM(1,1)模型原始序列的选择,分析了优化GM(1,1)模型的精度,验证了优化模型在提高预测精度上的可行性。 相似文献
11.
12.
13.
灰色GM(1,1)模型运算简单,但缺点是精度不够;时间序列模型能计算大量的数据,但是运算过程比较复杂。本文以宿迁某基坑为例,对水平位移量进行检测,利用灰色和时间序列组成的新模型,以前几期数据作为原始数据对后几期数据进行预测,得出组合模型的精度比单一的灰色预测模型精度高,组合模型更适合基坑监测。 相似文献
14.
鉴于深基坑变形监测中观测数据相互关联影响,结合地下管线与桩体位移等形变数据,将多元线性回归模型与灰色模型GM(1,N)应用于深基坑形变数据预测。本文根据深基坑监测基础数据进行多种形变数据的规律性分析;应用两种分析模型预测了五种基坑形变数据,将预测结果与实测值进行对比分析。结果表明,基坑监测设计合理,开挖期间形变不大、较稳定;比较两种模型,随时间生成动态参数的GM(1,N)模型具有更小的残差,能较好地预测基坑变形规律,可以用于相关项目的实施与数据分析。 相似文献
15.
16.
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。 相似文献
17.
针对建筑物变形监测中的沉降预测问题,本文结合灰色模型、时间序列模型和BP神经网络模型的优点,提出了GM-ARMA-BP组合模型进行沉降预测的方法,有效克服了单一模型稳定性差的缺点,并以某高层建筑沉降观测数据为样本,通过对这几种模型的沉降预测结果进行比较分析,结果表明:GMARMA-BP组合模型预测效果最好,精度较单一模型提高50%以上,并且具有一定的适用性。 相似文献
18.
针对传统大地测量技术难以实施大范围矿区形变监测以及传统开采沉陷预测方法在实际应用中存在的不足,提出时序合成孔径雷达干涉测量(InSAR)和改进的离散灰色马尔科夫模型相结合的方法对矿区地表形变进行监测和预测。使用鄂尔多斯市某矿区哨兵1号(Sentinel-1)数据提取地表形变监测结果,并与同时期的全球定位系统(GPS)监测数据进行对比。将沉陷监测结果作为原始序列建立残差修正的离散灰色马尔科夫模型,预测矿区沉降。研究结果表明:研究区域地表形变明显,残差修正的离散灰色马尔科夫模型能较为准确地预测矿区沉降结果。 相似文献
19.