基于城市建筑变形监测系统的时间序列模型研究

以国家体育场（鸟巢）工程的沉降观测数据为基础,论述了采用时间序列模型处理变形数据的原理和方法,并对建筑物的变形趋势进行了分析和预测,为建筑物的安全施工和正常使用提供了保障.     

基于ARIMA-ANN的大坝安全监控模型

坝体的变形能反映建筑物的运行状况,受各种复杂因素影响,坝体变形监测数据是一个不平稳的时间序列.基于传统时间序列不能解决非平稳数据,使用自回归求和滑动平均序列建立模型,结合工程实例进行坝体变形监测数据的拟合与预测,并用BP神经网络进行误差预测,得到最终预测值.经过实际大坝的数据建模检验,建模方法可行,预测结果精度高,在大坝安全监测中具有较好的实用性.     

时间序列在建筑物沉降监测数据分析中的应用研究

在建筑物的沉降监测中,采用时间序列方法对观测数据进行分析处理,建立建筑物的动态沉降预测模型,并对其沉降趋势进行预测．从而选择合适的解决方案和采取相应的地基处理措施．把沉降量限定在允许范围内是极为重要的．介绍了时间序列分析方法中的AR模型,AR模型阶数的确定、参数估计、模型检验以及预报分析的方法,并结合某建筑物沉降观测的数据为例进行说明．     

变形观测数据的时序分析

文章运用时间序列分析方法中周期频谱分析的基本思想，根据周期图的样本特征，提出了一种快速识别隐含周期的计算方法，并对变形观测中的观测周期确定进行了讨论。通过实例计算，此法用于变形观测数据的动态分析效果明显。     

变形观测数据的时序分析

文章运用时间序列分析方法中周期频谱分析的基本思想，根据周期图的样本特征，提出了一种快速识别隐含周期的计算方法，并对变形观测中的观测周期确定进行了讨论。通过实例计算，此法用于变形观测数据的动态分析效果明显。     

基于AR模型的建筑物沉降预测

针对传统回归模型在高层建筑物沉降预测中,出现的由于自变量的选择而造成的多重共线等问题,本文提出了一种以FPE准则定阶的时间序列(AR)模型。以桂林市临桂县某农贸市场周边建筑物的沉降变形为例,在分析利用自相关函数和偏相关函数来对模型进行判定和识别且用FPE定阶准则确定模型的阶数的基础上,对建筑物的沉降观测数据进行建模分析,得到了均方误差为0.055 6的预测精度,很好地克服了传统回归模型中存在的问题,结论具有一定的实用价值。     

非平稳时间序列建模用于陀螺漂移分析

本文将非平稳时间序列的状态空间建模方法用于陀螺过渡过程的分析．基于平滑先验约束的概念，使用卡尔曼滤波和赤池的ＡＩＣ方法拟合全局模型，得到陀螺漂移模型的若干数值结果并用于陀螺系统分析．由于观测序列的趋势项、不规则分量可同时建模，因此比分别建模在统计上更加准确有效．     

高速公路软土地基沉降变形监测分析与预报

通过对高速公路软土地基沉降变形监测的非等步长观测序列进行数据处理后,变成等步长的数据序列,运用GM(1,1)模型进行变形分析与预报,得出了有益的结论.     

观测分析中的回归-时序列模型

大坝观测数据经常规回归分析后的残差序列一般并非为白噪声。考虑将回归拟合与随机型时间序列方法结合，先对大坝位移数据按水位、温度、时效等物理因素作回归分析，再对回归残差作时序列建模处理，实例采用Box-Jenkins法和自由相关、偏自相关函数及AIC准则进行模型识别，建立时序列模型，应用示例的计算表明，这样获得的回归-时序列模型能很好拟合实测数据，提高精度，误差序列也符合白噪声要求。     

基于PSO-SVM精化QP模型的短期卫星钟差预报

针对卫星钟差序列的特性,将其视作由趋势项与随机误差项组成的时间序列,提出一种基于PSO-SVM精化的二次多项式预报算法:通过QP模型建模预报钟差值以提取其趋势项,利用SVM模型对拟合阶段的残差值建模进行滚动预报,利用预报所得的差值对QP模型预报阶段的钟差值进行改进。为克服SVM算法自身参数搜索方法的缺陷,采用PSO算法选择其最优参数。实验结果表明:相较于常用算法,该方法预报精度较高,且改进了QP模型预报误差会随时间累积的缺点。     

基于时间序列分析的货运周转量预测

基于重庆市统计局的实际统计数据,通过对实际样本数据进行预处理,确认重庆水运货运周转量序列为平稳非白噪声序列。在此基础上,通过对1995-2009年重庆水运货运周转量的数据分析,利用时间序列分析方法建立了ARMA预测模型,结果显示该模型具有较好的预测效果,对重庆水路货物运输工作及水运的发展决策有一定的参考价值。     

绿色开采中的测绘保障措施

变形监测及其数据处理和分析技术在“绿色开采”中处于重要地位，为土地复垦、景观重建、生态恢复工程等具体应用领域工作的顺利开展提供了特殊的测绘保障措施。本深入研究了如下四个特殊方面的保障方法和途径：(1)动态矿区高程基准的建立；(2)综合运用空间统计学、分形理论、混沌学等理论研究了变形数据序列特征的量化方法；(3)研究了基于量化特征的预测预报模型精度的改善途径；(4)针对矿区井筒变形的复杂性，研究了基于小波理论的低信噪比且含一定量粗差的GPS单历元井筒变形监测信号的分析方法。     

模糊聚类法在沉降变形分析中的应用

对有关沉降变形的一些问题加以分析,探讨模糊聚类法在垂直位移分析中的应用,这一新的分析方法理论可靠,数据处理简单,更为切合实际,且下需要已知高程点。     

动态新息GM(1,1)在卫星电池阵功率预测中的应用

根据观测到的历史数据对卫星理发池阵输出功率的未来值进行预测，可实现对电池阵性能劣化的早期预报。灰色预测方法的GM(1，1)模型只适合对单调递增或递减时间序列进行预测，针对卫星电池阵输出功率具有波动变化的趋势特征，采用实时在线的方法，建立了动态新息GM(1，1)预测模型，经实例预测验证，动态新息GM（1，1）模型可明显地提高预测精度，并且能对电池阵输出功率的波动变化趋势正确预测。该建模方法对其他非单调时间序列的工程预测也具有参考价值。     

用扫描电镜研究TPU的微相结构

本文以 SEM 研究了两个系列的热塑型聚氨酯(TPU),分别考察了硬段含量(W_h)、软段分子量 M_(ns)、聚合方法等对微相分离结构的影响,为建立 TPU网络模型和预测大形变力学性能提供了依据。     

复杂地形地震剖面上的陷阱及物探解释方法

为了准确解释地下构造形态,基于正演模型研究在地形起伏、固定基准面与浮动基准面之间填充速度不同等情况下,地下构造产生畸变或产生假构造的现象。结果表明,填充速度与目的层平均速度一致时地震剖面与模型一致,反映真实构造形态;当填充速度小于目的层平均速度时,地震剖面产状畸变与浮动基准面形态相同;当填充速度大于目的层平均速度时,地震剖面产状畸变与浮动基准面形态相反。用固定基准面制作构造图的方法来消除假构造的影响,反映了地下真实构造形态,解决了复杂地区构造保真问题,提高了勘探精度,保证了勘探质量。     

卡尔曼滤波在变形监测数据处理中的应用

通过对某大坝动态变形监测数据的卡尔曼滤波处理和结果分析,并考虑大坝水位和温度影响建立与水位和温度因子有关的模型,同多元线性回归分析方法和多项式拟合方法对比,表明卡尔曼滤波模型能够实时,快速地处理大量动态变形数据,并能有效地改善动态变形监测数据的精度。     

立式金属罐罐底变形量测量的研究

针对立式金属罐容量试行检定规程中关于罐底测量存在的问题,在分析了现有的几种解决方法的基础上,提出了一种新的测量方法———液位传感器法。新方法分析了立式罐底部几何形状和产生变形的原因,建立了罐底部变化模型,推导出了底部变形量的计算公式,确定了液位传感器的数目和安装地点。在实际测量中,通过液位传感器测出底部变形的相关数据,计算出底部变形量。经比较,此方法能减少立式罐计量受罐底变形的影响,提高了立式罐计量的精度。     

单历元GPS变形监测数据处理与系统研制

GPS以其连续、实时、高精度、全天候测量和自动化程度高等优点,在变形监测中有着广泛的应用.随着GPS软硬件技术的成熟,实时自动化的高精度变形系统将是今后的发展趋势.在这样的系统中,数据的实时处理是系统建设中的关键问题之一.在分析利用GPS进行变形监测常规数据处理方法的基础上,着重于对GPS数据的单历元解算变形信息方法进行研究,不通过基线解算直接提取变形信息,从而避免了周跳的探测与修复;并且采用VC++.net作为开发平台,完成了变形监测数据处理系统的实现过程.     

基于时间序列的边坡位移实时预测方法

为了随时掌握边坡的变形情况,准确分析并预测边坡位移的变化趋势,确保边坡稳定可靠,基于时间序列方法,并结合以往的边坡位移监测数据,建立了边坡变形趋势的预测模型。提出了一种基于时间序列的边坡位移实时预测方法。以长春市地铁西客站监测为例,验证了本文方法的可行性。研究结果可以为边坡的稳定性分析提供一种新思路。