共查询到20条相似文献,搜索用时 406 毫秒
1.
马玉梅 《测绘与空间地理信息》2016,(12):183-185
高层建筑物的监测周期一般较长,数据量大,数据处理和分析较为复杂,因此,需要选择一种较为合适的、贴近工程实际的分析方法.本文以某高层建筑物的沉降监测数据为例,阐述了多元回归分析模型中影响因子的确定、回归模型的最小二乘参数估计以及回归模型的显著性检验,并比较了沉降累计值的预测值和真实值,结果显示:二者的残差较小,可见预测精度较高,说明多元回归分析在高层建筑沉降监测数据处理中是行之有效的. 相似文献
2.
针对建筑物沉降变形中各监测点相互关联、相互影响的情形,可将灰色系统理论中的GM(1,N)模型引入到建筑物沉降分析中。本文利用灰度关联方法确定相关因子的关联度,建立GM(1,N)模型,并与回归分析、GM(1,1)模型比较。通过工程实例,得出灰关联GM(1,N)模型预测精度明显高于另外两种模型,验证了该模型在进行建筑物沉降分析预测中应用的可行性。 相似文献
3.
如何对建(构)物进行变形监测和趋势预测?针对这一问题,测绘技术人员研究了多种预测模型,但由于造成建(构)物变形的原因比较复杂,故各种预测模型都有各自的优势和不足。本文经过对大量的变形监测数据进行多元回归分析研究,且通过变形数据的内因和外因之间的相关性,建立变形关系的数学模型。当处理两个变量之间关系时,可采用一元回归分析。当处理一个变量与多个因子之间的关系时,应采用多元回归分析。并通过在回归方程中逐个引入显著因子,剔除不显著因子,获得最佳回归方程(预报方程),本方法在实际应用中预测效果显著。 相似文献
4.
5.
陈伟清 《测绘科学技术学报》2005,22(4):249-251
根据南宁市民生广场沉降的实测资料,文中运用回归分析法分别建立了差异沉降回归模型和累计沉降回归模型;并通过对沉降变形的预测、成果的分析和检验,证实了在建筑物沉降变形分析中应用回归分析的可行性. 相似文献
6.
回归分析在建筑物沉降变形分析中的应用 总被引:3,自引:0,他引:3
根据南宁市民生广场沉降的实测资料,文中运用回归分析法分别建立了差异沉降回归模型和累计沉降回归模型;并通过对沉降变形的预测、成果的分析和检验,证实了在建筑物沉降变形分析中应用回归分析的可行性. 相似文献
7.
为了研究大坝变形规律并分析其影响因子,利用奇异谱分析(SSA)提取大坝变形时间序列的趋势和周期分量,并分析各分量与时效、温度和水位因子的关联性。通过分析某大坝实测数据,发现大坝存在徐变和周期性弹性形变。其中,徐变即趋势项,主要与时效因子有关;弹性形变对应的周期项主要与温度和水位的周期变化有关,且温度因子与弹性形变的相关性明显大于水位因子。利用提取的趋势和周期项对大坝变形时间序列进行拟合并预测,其拟合和预测误差分别为0.52和0.24 mm;若采用传统的多元线性回归模型进行拟合和预测,其误差则分别为0.81和0.57 mm。这表明奇异谱方法的拟合和预测精度均优于多元回归法,能够更准确地预测大坝变形。 相似文献
8.
着重介绍了回归分析在大坝变形监测方面的应用,先介绍了回归模型的定义,接着说明了多元回归方程的建立,回归方程的显著性和回归系数的显著性,最后结合具体的实例对回归方程进行分析,建立模型,通过图表表示出预测值和真实值的曲线图,以及残差值曲线图,说明回归分析模型的实际应用价值。 相似文献
9.
10.
高层建筑倾斜变形数据处理 总被引:1,自引:1,他引:0
沉降测量是建筑物变形分析的重要手段,本文介绍用线性回归和平面回归方法对建筑物倾斜进行变形分析,对线性回归和平面回归的适用性作了说明,并结合实例说明了在建筑物倾斜变形分析中运用线性回归分析法和平面回归分析法的实用性和可靠性。 相似文献
11.
在构筑物或建筑物的变形监测项目中,传统的监测数据分析软件数据结构固定、分析模型单一,无法灵活地分析监测对象的变形情况。本文采用C#语言以及插件方式和托管扩展性框架,摆脱了数据结构固定的约束,同时可动态添加分析模型和报表,实现了监测数据分析软件支持多数据格式和多模型分析的功能。 相似文献
12.
岩体或建构筑物的变形通常具有复杂性和非线性等特性,一般的回归模型难以精确地进行回归预测,应用高斯过程回归理论对变形监测数据呈现出的非线性特征进行时间序列分析。考虑到监测数据的不断更新和累积,以及超参数与样本集的适应性,首先研究了“递进-截尾式”超参数自动更新模式和训练样本集的选择方法;在此基础上构建了以时间作为输入项的高斯过程回归变形智能预测模型(GPR-TIPM);将该模型应用于矿山边坡监测点非线性时间序列分析中,通过分析变形趋势,最终采用Matérn 32和平方指数协方差函数相加的方式进行核函数组合。实验结果表明,采用组合核函数的预测性能较单一核函数有所改善,该方法提高了模型的泛化能力,GPR-TIPM模型在短期内的预测效果较理想。 相似文献
13.
14.
综合运用非线性回归和时间序列分析研究边坡变形 总被引:5,自引:1,他引:5
边坡变形的复杂性决定了运用非线性回归模型很难准确解决边坡变形规律。本文将讨论综合运用非线性回归模型和时间序列分析的方法进行变形预报。即运用非线性模型和其他模型的有机结合和综合运用正确分析和解决边坡变形规律,同时利用时间序列分析方法解决边坡周期性变形规律,并通过某实测边坡上一系列监测点监测资料的分析和研究,证明该方法的可行性。 相似文献
15.
论述了支持向量机的回归算法和基于时间序列支持向量回归的建筑物变形预测方法,并用MATLAB6.5工具箱编制基于时间序列支持向量回归程序,建立了基于时间序列支持向量回归模型。最后以实例数据讨证基于时间序列支持向量机回归模型的预测方法。研究表明:用时间序列支持向量回归模型建立的建筑物变形监测的预测模型是可行的和有效的。 相似文献
16.
在变形分析建模中常采用回归分析建模,但普通的回归模型是一种静态的模型,当变形体结构或物理性质发生变化时,普通线性回归所建立的静态模型将不再适用。变系数回归模型是一种动态模型,有着更强的灵活性和适应性,因此,将变系数回归引入大坝变形分析建模中,采用局部线性估计的方法进行系数拟合。仿真和大坝变形建模实验表明,变系数回归得到的大坝变形模型优于普通的线性回归模型,预测精度更高。 相似文献
17.
18.
为了提高变形监测数据预测的精度与可靠性,提高神经网络预测方法的稳定性,尝试将小波分析与BP神经网络相结合的小波神经网络应用于高铁路基处的沉降监测数据处理中。综合小波分析与神经网络算法的优点,建立松散型及紧致型小波神经网络预测分析模型。通过实验数据对比分析,验证了采用紧致型小波神经网络预测模型能够较好地用来处理路基的动态变形监测数据,预测稳定性及预测精度较高。 相似文献
19.
针对混凝土拱坝单测点变形监控模型难以合理表征拱坝空间变形场协同响应特性以及传统回归方法诠释环境量与大坝变形间的复杂函数关系具有明显局限性问题,提出了融合粒子群算法优化与支持向量机(particle swarm optimization-support vector machine,PSO-SVM)的混凝土拱坝多测点变形监控混合模型。基于单测点变形监控模型构建方法,引入空间坐标并利用有限元方法计算水压分量,进而借助PSO-SVM良好的非线性处理能力对环境量与大坝变形序列进行建模和预测,从而构建了融合PSO-SVM的混凝土拱坝多测点混合模型。工程实例分析表明,所建模型具有较好的多测点变形性能分析能力,较单测点统计模型具有良好的拟合及预报精度,可有效反映大坝服役的整体安全性态。此外,所提理论和方法经一定的改进和拓展,亦可推广应用于其他水工建筑物性态安全监控模型的预报分析。 相似文献