隧道火灾温度分布的多元回归预测分析

为了提高隧道火灾感温探测器温度预测的精度,建立隧道火灾温度分布多元回归预测模型。基于多元回归预测分析方法,研究选择起火时间、距离火源位置、隧道宽度、隧道高度为隧道火灾的主要影响因子,从而对隧道火灾温度进行预测。利用Origin软件和MATLAB软件,对其进行了多元回归分析,得到了隧道火灾温度的线性预测公式,并且对隧道火灾温度预测进行DW检验。研究结果表明,使用多元回归预测分析方法对隧道火灾感温探测器温度的预测具有较高的精确度、合理性及有效性。     

建筑物沉降动态预测方法的研究

本文简述了时间序列分析的理论 ,并运用核理论 ,提出一套建筑物沉降建模方法 ,进行动态预测建筑物沉降的发展。通过例算 ,证明该种建筑物沉降动态预测方法的正确性     

时间序列分析方法在干旱区地下水位动态预测中的应用

地下水动力学模型与时间序列模型都可用于分析、预测干旱区地下水位埋深动态变化。但比较而言,时间序列模型无须进行专门的试验来获取有关地质参数,方法易于掌握,计算量小,因而更便于应用推广。本文采用时间序列分析方法分析新疆南部平原区地下水位变化,通过HP（Hodrick-Prescott）滤波方法与ARMA（p,q）模型相结合...     

时间序列分析在变形监测中的应用

介绍了时间序列的基本原理,给出了时间序列分析的ARMA、ARIMA两种基本模型,介绍了自相关函数、偏相关函数以及其性质。总结归纳了时间序列分析的建模步骤。最后用时间序列分析处理了某市某一变形监测点,并且与回归分析做了比较。比较表明,时间序列分析用于动态的时序预测具有较好的效果,20期预测误差的绝对值均小于0.002mm。并且其建模过程与回归分析法相比,较为简单,是处理动态数据的一种非常有效的方法。     

韩家岭隧道监测数据的时序分析方法

进一步完善了以往的时间序列分析方法,给出了相应的基本原理和建模分析步骤;分析去除确定性部分后的残差序列,提取其中的有规律性的成分作为预测时的补偿项,来形成模型;提出了信息加权的方法,给出了权重的量化标准,提高了建模和预测的精度;编制开发了时序分析程序。据此对现场隧道工程部分监测数据进行了时序分析研究,对相应预测结果进行了讨论。     

应用实用动态组合模型预测城市日用水量

将时间序列中的日用水量历史数据引入以温度等作变量的回归分析模型，建立了日用水量非线性回归组合预测模型，同时为进一步提高预测精度，用4阶自回归模型对回归残差序列进行时间序列分析，建立了日用水量预测实用动态组合模型。以华北某市日用水量的实测数据对其进行检验，结果表明该模型具有较高的预测精度。     

矿区形变监测数据动态分析研究

采用时间序列的方法对矿区监测数据进行分析与预测,提取某矿区相关监测数据,利用时间序列模型对监测数据进行回归分析和研究,并对矿区形变进行预测及评定,得出时间序列可以对矿区变形进行短期预测的结论,预测具有重要的意义。     

时间序列方法及其在实际办公楼能耗预测中的应用

建立了基于时间序列分析方法的建筑能耗预测模型,对上海某办公建筑逐月能耗进行预测.采用CensusX12方法进行季节调整,建立ARMA时序模型,并对季节因子进行温度化处理.模拟结果表明,采用时间序列分析的方法来预测建筑能耗是一种有效方法.     

氯盐侵蚀钢筋混凝土锈胀开裂监测及预测方法

采用分布式光纤传感技术(BOTDA)和时间序列分析相结合的方法,对钢筋混凝土锈胀开裂程度进行监测和预测,并通过通电加速锈蚀试验对该方法进行有效性验证.结果表明:分布式光纤传感技术可稳定、准确地获取混凝土的锈胀信息,同时结合时间序列分析方法可有效预测混凝土锈裂时间和位置.     

韩家岭隧道监测数据的时序分析方法

进一步完善了以往的时间序列分析方法，给出了相应的基本原理和建模分析步骤；分析去除确定性部分后的残差序列，提取其中的有规律性的成分作为预测时的补偿项，来形成模型；提出了信息加权的方法，给出了权重的量化标准，提高了建模和预测的精度；编制开发了时序分析程序。据此对现场隧道工程部分监测数据进行了时序分析研究，对相应预测结果进行了讨论。     

边坡非线性位移的神经网络–时间序列分析

边坡的变形表现出复杂的非线性演化特征，大量的工程实践表明利用部分实测的边坡位移时间序列来预测未来边坡的位移更为准确。以神经网络和时间序列分析方法为基础，使用零均值化和标准偏差预处理方法，以及规则化能量函数法和贝叶斯规则化方法进行BP神经网络建模，利用BP网络对边坡位移非平稳时序进行趋势项提取，使非平稳监测时序转化为平稳时序以进行常规ARMA时序分析。结合滚动预测方法，建立了适合岩土体位移预测的神经网络–时间序列分析联合模型，以隔河岩水电站进水口边坡变形和水布垭水电站大岩淌滑坡位移为例进行预测分析。研究结果表明：新模型的预测精度高、实时可靠，可应用于实际工程。     

盾构隧道地面长期沉降的时间序列预测

基于实测数据，应用时间序列分析方法对盾构隧道施工引起的隧道轴线上方地面长期沉降进行预测。采用Excel软件进行操作，引入时间序列分析中的最小二乘回归分析方法，以提高预测精度。6个算例分析结果表明：该方法预测结果与实测值较吻合，且能反映出地面长期沉降曲线的不规则性，优于数学模型方法；如短期预测精度有保证，可以预测较长时间的数值，并且具有较高的精度。该方法需要利用的实测数据较少，且操作非常简单，具有较强的实用性。     

边坡非线性位移的神经网络-时间序列分析

边坡的变形表现出复杂的非线性演化特征，大量的工程实践表明利用部分实测的边坡位移时间序列来预测未来边坡的位移更为准确。以神经网络和时间序列分析方法为基础，使用零均值化和标准偏差预处理方法，以及规则化能量函数法和贝叶斯规则化方法进行BP神经网络建模，利用BP网络对边坡位移非平稳时序进行趋势项提取，使非平稳监测时序转化为平稳时序以进行常规ARMA时序分析。结合滚动预测方法，建立了适合岩土体位移预测的神经网络-时间序列分析联合模型，以隔河岩水电站进水口边坡变形和水布垭水电站大岩淌滑坡位移为例进行预测分析。研究结果表明：新模型的预测精度高、实时可靠，可应用于实际工程。     

ARMA模型在商业建筑群能耗预测中的应用

建立了基于时间序列分析方法的建筑能耗预测模型,对广州市区的商业建筑逐月总能耗进行预测。模拟结果显示,ARMA模型能够较好地拟合及预测能耗值,模型预测结果与实际值比较吻合,ARMA模型在短期建筑能耗预测中是一种精度较高的方法。     

基于时间序列模型的节假日火灾形势预测与分析

研究节假日火灾发展趋势,可为有关部门制定节假日火灾消防对策,为维持安定和谐的社会和可持续发展提供重要的依据。以春节期间火灾为例,根据中国火灾统计年鉴提供的数据,利用时间序列指数平滑模型、回归分析模型和ARIMA模型分别进行预测,然后根据组合预测分析方法得出有效的火灾预测模型。该方法将三种预测方法结合比原有的单一预测方法预测更为可靠,然后,给出春节期间未来火灾的发展趋势预测值,在一定程度上可以使人们更容易掌握火灾发展的规律进而做出一些必要的准备。     

时间序列方法在城市火灾分析预测中的应用

针对江苏省1997—2001年的城市火灾数据,对其发生次数、死伤人数以及直接损失采用时间序列方法进行分析。研究结果表明：时间序列方法可以比较好的对城市火灾数据进行分析和预测。     

基于监测数据的马坪滑坡稳定性分析

滑坡位移变形的产生及演变,对于滑坡安全稳定性的评价至关重要。本文以德化县马坪滑坡为例,利用位移监测数据,并结时间序列模型分析滑坡体的位移变化,在此基础上结合降雨、地下水等影响因素分析对今后滑坡的稳定性进行了预测。结果表明基于位移监测数据的时间序列模型具有较高精度,对了解边坡位移的发展趋势以及研究边坡的动态稳定性是有效可行的。     

基于时间序列分析的房屋安全监测数据处理研究

房屋安全监测系统能够保障房屋的安全使用。对含有噪声的监测数据进行处理,从海量的数据中挖掘有用的信息,具有重要的工程意义。结合房屋结构的监测数据,给出了一套方便、实用的数据预处理方法,并建立时间序列模型,对某居民楼的倾斜数据实现自动化分析预测。结果表明,时间序列分析法充分利用了监测数据,能够提前判断房屋状态的变化趋势,及时对异常情况做出预警,为房屋的安全评估提供依据。     

基于回归分析的隧道收敛预测

隧道工程地质条件复杂,变形监测精度要求较高,收敛值是主要的监测指标之一。随着时间的增加,收敛值呈现出规律性的变化,可用于掌握隧道的安全状态。以实测收敛值为例,使用回归分析方法分析收敛值与时间之间的关系,同时,对收敛值进行预测。分析结果表明,隧道的收敛值与时间之间存在非线性关系,收敛值预测准确。     

核电厂最佳估算加不确定性分析方法研究综述

在核反应堆确定论安全分析中,利用热工水力程序对核电厂在事故下的瞬态响应进行预测,以评价其安全性。这是自20世纪50年代核反应堆系统投入运行以来,热工水力安全分析研究领域的主要议题。最佳估算加不确定性分析方法为国际原子能机构所推荐的安全分析方法,是核电厂执照申请安全分析技术的发展趋势,本文综述性的描述了最佳估算加不确定性分析方法的开发背景,发展历史和各类不确定性分析方法及其优缺点比较,为下阶段开发国内自主化的最佳估算加不确定性分析方法奠定基础。