基于Kalman滤波的改进灰色模型在基坑变形监测中的应用

变形监测数据由于其离散性、高噪声等特点，使得监测数据呈现一定的波动性、随机性，为了对监测体的稳定状态及变形趋势做出更加准确的分析，本文拟采用Kalman滤波+新陈代谢GM(1,1)模型组合方式，利用Kalman滤波对原始监测数据滤波消噪，并结合新陈代谢GM(1,1)模型对变形趋势项进行建模分析，来预测变形趋势。结合实际案例分析，基于Kalman滤波的新陈代谢GM(1,1)相比于传统的单一GM(1,1)、ARMA模型，有效降低了观测噪声影响，并具有更高的预测精度。