改進(jìn)灰色時(shí)序模型在建筑物變形監(jiān)測(cè)中的應(yīng)用
發(fā)布時(shí)間:2022-07-04 20:56
建筑物變形監(jiān)測(cè)數(shù)據(jù)中存在著隨機(jī)干擾和不確定性因素,而單一的數(shù)學(xué)模型預(yù)測(cè)結(jié)果精度較低,制約了變形預(yù)測(cè)的準(zhǔn)確性。針對(duì)這一問(wèn)題,文中采用了一種自適應(yīng)Kalman濾波的灰色時(shí)序組合預(yù)測(cè)模型。首先,通過(guò)自適應(yīng)Kalman濾波算法對(duì)原始數(shù)據(jù)進(jìn)行去噪處理,動(dòng)態(tài)的去除數(shù)據(jù)內(nèi)部的隨機(jī)干擾誤差;然后,將灰色模型(GM模型)與時(shí)間序列分析模型(AR模型)相結(jié)合,得到擬合時(shí)間序列中的沉降量趨勢(shì)項(xiàng)和沉降量隨機(jī)時(shí)間序列剩余項(xiàng),生成一種非線性組合模型;最后,對(duì)變形監(jiān)測(cè)數(shù)據(jù)進(jìn)行整理預(yù)測(cè),并將該預(yù)測(cè)模型應(yīng)用于建筑變形工程實(shí)例中,與GM(1,1)預(yù)測(cè)模型、GM(1,1)-AR預(yù)測(cè)模型通過(guò)平均殘差、殘差的方差和后驗(yàn)差比值進(jìn)行對(duì)比分析。結(jié)果表明:該模型后驗(yàn)差比值可達(dá)到0.045 1,所得數(shù)據(jù)結(jié)果明顯減小,預(yù)測(cè)精度顯著提高,結(jié)果更加準(zhǔn)確可靠。
【文章頁(yè)數(shù)】:8 頁(yè)
【文章目錄】:
0 引 言
1 自適應(yīng)Kalman濾波的GM(1,1)-AR預(yù)測(cè)模型
1.1 自適應(yīng)Kalman濾波
1.2 灰色GM(1,1)模型
1.3 時(shí)間序列AR(p)模型
1.4 組合預(yù)測(cè)模型建立過(guò)程
2 實(shí)例分析
2.1 自適應(yīng)Kalman濾波去噪
2.2 模型預(yù)測(cè)與精度評(píng)定
3 結(jié) 論
【參考文獻(xiàn)】:
期刊論文
[1]小波-時(shí)序組合模型在地鐵變形監(jiān)測(cè)預(yù)測(cè)中的應(yīng)用研究[J]. 劉江,苗昌奇,陳柳陽(yáng). 測(cè)繪與空間地理信息. 2018(11)
[2]動(dòng)態(tài)灰色-時(shí)序模型在建筑物沉降預(yù)測(cè)中的應(yīng)用[J]. 田振凱,李瑞海,許彥國(guó). 測(cè)繪與空間地理信息. 2018(10)
[3]基于Kalman濾波的GM(1,1)-AR模型在高層建筑物沉降變形分析中的應(yīng)用[J]. 陳晨,魏冠軍,寇瑞雄,高志鈺. 測(cè)繪工程. 2018(10)
[4]改進(jìn)極限學(xué)習(xí)機(jī)的不同類型滑坡位移預(yù)測(cè)[J]. 高彩云,高寧. 西安科技大學(xué)學(xué)報(bào). 2018(04)
[5]基于方差補(bǔ)償自適應(yīng)Kalman濾波的ARMA與PSO-SVM模型變形預(yù)測(cè)[J]. 容靜,劉立龍,康昊華,李松青,周呂. 大地測(cè)量與地球動(dòng)力學(xué). 2018(07)
[6]Improved grey prediction model based on exponential grey action quantity[J]. YIN Kedong,GENG Yan,LI Xuemei. Journal of Systems Engineering and Electronics. 2018(03)
[7]基于BP神經(jīng)網(wǎng)絡(luò)的急傾斜煤層耦合致裂方案優(yōu)化[J]. 張磊,劉小明,來(lái)興平,高語(yǔ)蔚,崔峰,楊毅然. 西安科技大學(xué)學(xué)報(bào). 2018(03)
[8]改進(jìn)灰色人工神經(jīng)網(wǎng)絡(luò)模型的超高層建筑變形預(yù)測(cè)[J]. 段明旭,邱冬煒,李婉,徐偉,王東波. 測(cè)繪科學(xué). 2017(04)
[9]卡爾曼濾波-AR模型在大壩變形預(yù)測(cè)中的應(yīng)用[J]. 謝榮暉,鄭東健. 人民黃河. 2017(02)
[10]灰色預(yù)測(cè)與Kalman濾波在建筑物沉降變形分析中的應(yīng)用[J]. 周呂,文鴻雁,韓亞坤. 測(cè)繪科學(xué). 2014(04)
碩士論文
[1]基于小波去噪—灰色預(yù)測(cè)混合模型在變形監(jiān)測(cè)中的應(yīng)用研究[D]. 譚超.西北大學(xué) 2016
[2]基于經(jīng)驗(yàn)?zāi)B(tài)分解的動(dòng)態(tài)變形數(shù)據(jù)分析模型研究[D]. 錢榮榮.中國(guó)礦業(yè)大學(xué) 2016
[3]基于小波分析的自適應(yīng)卡爾曼濾波在地鐵變形監(jiān)測(cè)中的應(yīng)用[D]. 文小勇.長(zhǎng)安大學(xué) 2015
[4]自適應(yīng)卡爾曼濾波在變形監(jiān)測(cè)數(shù)據(jù)處理中的應(yīng)用研究[D]. 李奕.成都理工大學(xué) 2012
本文編號(hào):3655910
【文章頁(yè)數(shù)】:8 頁(yè)
【文章目錄】:
0 引 言
1 自適應(yīng)Kalman濾波的GM(1,1)-AR預(yù)測(cè)模型
1.1 自適應(yīng)Kalman濾波
1.2 灰色GM(1,1)模型
1.3 時(shí)間序列AR(p)模型
1.4 組合預(yù)測(cè)模型建立過(guò)程
2 實(shí)例分析
2.1 自適應(yīng)Kalman濾波去噪
2.2 模型預(yù)測(cè)與精度評(píng)定
3 結(jié) 論
【參考文獻(xiàn)】:
期刊論文
[1]小波-時(shí)序組合模型在地鐵變形監(jiān)測(cè)預(yù)測(cè)中的應(yīng)用研究[J]. 劉江,苗昌奇,陳柳陽(yáng). 測(cè)繪與空間地理信息. 2018(11)
[2]動(dòng)態(tài)灰色-時(shí)序模型在建筑物沉降預(yù)測(cè)中的應(yīng)用[J]. 田振凱,李瑞海,許彥國(guó). 測(cè)繪與空間地理信息. 2018(10)
[3]基于Kalman濾波的GM(1,1)-AR模型在高層建筑物沉降變形分析中的應(yīng)用[J]. 陳晨,魏冠軍,寇瑞雄,高志鈺. 測(cè)繪工程. 2018(10)
[4]改進(jìn)極限學(xué)習(xí)機(jī)的不同類型滑坡位移預(yù)測(cè)[J]. 高彩云,高寧. 西安科技大學(xué)學(xué)報(bào). 2018(04)
[5]基于方差補(bǔ)償自適應(yīng)Kalman濾波的ARMA與PSO-SVM模型變形預(yù)測(cè)[J]. 容靜,劉立龍,康昊華,李松青,周呂. 大地測(cè)量與地球動(dòng)力學(xué). 2018(07)
[6]Improved grey prediction model based on exponential grey action quantity[J]. YIN Kedong,GENG Yan,LI Xuemei. Journal of Systems Engineering and Electronics. 2018(03)
[7]基于BP神經(jīng)網(wǎng)絡(luò)的急傾斜煤層耦合致裂方案優(yōu)化[J]. 張磊,劉小明,來(lái)興平,高語(yǔ)蔚,崔峰,楊毅然. 西安科技大學(xué)學(xué)報(bào). 2018(03)
[8]改進(jìn)灰色人工神經(jīng)網(wǎng)絡(luò)模型的超高層建筑變形預(yù)測(cè)[J]. 段明旭,邱冬煒,李婉,徐偉,王東波. 測(cè)繪科學(xué). 2017(04)
[9]卡爾曼濾波-AR模型在大壩變形預(yù)測(cè)中的應(yīng)用[J]. 謝榮暉,鄭東健. 人民黃河. 2017(02)
[10]灰色預(yù)測(cè)與Kalman濾波在建筑物沉降變形分析中的應(yīng)用[J]. 周呂,文鴻雁,韓亞坤. 測(cè)繪科學(xué). 2014(04)
碩士論文
[1]基于小波去噪—灰色預(yù)測(cè)混合模型在變形監(jiān)測(cè)中的應(yīng)用研究[D]. 譚超.西北大學(xué) 2016
[2]基于經(jīng)驗(yàn)?zāi)B(tài)分解的動(dòng)態(tài)變形數(shù)據(jù)分析模型研究[D]. 錢榮榮.中國(guó)礦業(yè)大學(xué) 2016
[3]基于小波分析的自適應(yīng)卡爾曼濾波在地鐵變形監(jiān)測(cè)中的應(yīng)用[D]. 文小勇.長(zhǎng)安大學(xué) 2015
[4]自適應(yīng)卡爾曼濾波在變形監(jiān)測(cè)數(shù)據(jù)處理中的應(yīng)用研究[D]. 李奕.成都理工大學(xué) 2012
本文編號(hào):3655910
本文鏈接:http://www.sikaile.net/jingjilunwen/jianzhujingjilunwen/3655910.html
最近更新
教材專著