首页> 中文期刊> 《西安科技大学学报》 >改进灰色时序模型在建筑物变形监测中的应用

改进灰色时序模型在建筑物变形监测中的应用

         

摘要

建筑物变形监测数据中存在着随机干扰和不确定性因素,而单一的数学模型预测结果精度较低,制约了变形预测的准确性.针对这一问题,文中采用了一种自适应Kalman滤波的灰色时序组合预测模型.首先,通过自适应Kalman滤波算法对原始数据进行去噪处理,动态的去除数据内部的随机干扰误差;然后,将灰色模型(GM模型)与时间序列分析模型(AR模型)相结合,得到拟合时间序列中的沉降量趋势项和沉降量随机时间序列剩余项,生成一种非线性组合模型;最后,对变形监测数据进行整理预测,并将该预测模型应用于建筑变形工程实例中,与GM(1,1)预测模型、GM(1,1)-AR预测模型通过平均残差、残差的方差和后验差比值进行对比分析.结果 表明:该模型后验差比值可达到0.045 1,所得数据结果明显减小,预测精度显著提高,结果更加准确可靠.

著录项

  • 来源
    《西安科技大学学报》 |2020年第5期|919-926|共8页
  • 作者单位

    西安科技大学测绘科学与技术学院 陕西西安710054;

    西安科技大学西部矿井开采与灾害防治教育部重点实验室 陕西西安710054;

    西安科技大学测绘科学与技术学院 陕西西安710054;

    西安科技大学西部矿井开采与灾害防治教育部重点实验室 陕西西安710054;

    西安科技大学测绘科学与技术学院 陕西西安710054;

    西安科技大学西部矿井开采与灾害防治教育部重点实验室 陕西西安710054;

    西安科技大学测绘科学与技术学院 陕西西安710054;

    西安科技大学西部矿井开采与灾害防治教育部重点实验室 陕西西安710054;

  • 原文格式 PDF
  • 正文语种 chi
  • 中图分类 地下铁路;
  • 关键词

    动态数据处理; 自适应Kalman滤波; GM(1; 1)模型; AR模型;

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号