西安科技大学学报

2020, v.40;No.175(05) 919-926

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

改进灰色时序模型在建筑物变形监测中的应用
Application of improved grey-time series model in monitoring building deformation

杨小虎;朱庆伟;沈宇恒;李航;

摘要(Abstract):

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。

关键词(KeyWords): 动态数据处理;自适应Kalman滤波;GM(1,1)模型;AR模型;预测模型

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目(51674195)

作者(Author): 杨小虎;朱庆伟;沈宇恒;李航;

Email:

DOI: 10.13800/j.cnki.xakjdxxb.2020.0522

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享