基于時(shí)間序列分析組合模型的變形監(jiān)測(cè)分析與預(yù)報(bào).pdf

1、變形監(jiān)測(cè)的目的是要獲得變形體(大到整個(gè)地球,小到一個(gè)工程建筑物)變形的空間狀態(tài)和時(shí)間特性,分析形變?cè)?預(yù)報(bào)未來變形。在預(yù)報(bào)未來變形方面,利用有限的監(jiān)測(cè)數(shù)據(jù)來選擇合理的預(yù)測(cè)模型,準(zhǔn)確的預(yù)報(bào)未來的變形是變形監(jiān)測(cè)數(shù)據(jù)處理的重要內(nèi)容。
　　本文以兩組不同的變形數(shù)據(jù)為研究對(duì)象,對(duì)兩組數(shù)據(jù)分別使用時(shí)間序列分析方法建立了預(yù)報(bào)模型,并對(duì)其進(jìn)行了深入分析和研究,完成的主要內(nèi)容如下:
　　1.論述了如何對(duì)平穩(wěn)時(shí)間序列進(jìn)行模型的初步識(shí)別,參數(shù)估

2、計(jì),實(shí)用性檢驗(yàn)以及預(yù)報(bào)的全過程,并結(jié)合SAS軟件對(duì)其進(jìn)行時(shí)間序列分析的實(shí)現(xiàn)。針對(duì)大部分的變形數(shù)據(jù)為非平穩(wěn)性這一特點(diǎn),討論了兩種不同的建模方法——通過多次差分的方法剔除趨勢(shì)項(xiàng)以及利用不同模型將趨勢(shì)項(xiàng)提取出去的方法。
　　2.首先利用傳統(tǒng)灰色模型對(duì)兩組非平穩(wěn)數(shù)據(jù)的趨勢(shì)項(xiàng)進(jìn)行提取,并對(duì)它們進(jìn)行預(yù)報(bào),預(yù)報(bào)的精度隨著時(shí)間的延長而越來越低。針對(duì)這一缺點(diǎn),我們提出了時(shí)變參數(shù)灰色模型。通過兩組預(yù)報(bào)實(shí)例,證明了時(shí)變參數(shù)灰色模型要比傳統(tǒng)的灰色模型更適

3、合做較長期預(yù)報(bào)。
　　3.由于變形監(jiān)測(cè)數(shù)據(jù)的復(fù)雜性,有時(shí)無法用一個(gè)確定的數(shù)學(xué)表達(dá)式對(duì)其進(jìn)行擬合。利用BP神經(jīng)網(wǎng)絡(luò)分別對(duì)兩組數(shù)據(jù)進(jìn)行函數(shù)的映射,并結(jié)合MATLAB語言對(duì)數(shù)據(jù)進(jìn)行擬合與預(yù)報(bào),結(jié)果發(fā)現(xiàn)預(yù)報(bào)精度比時(shí)變參數(shù)灰色模型有所提高。
　　4.BP神經(jīng)網(wǎng)絡(luò)的泛化能力較弱,外推性不強(qiáng),利用小波函數(shù)代替BP神經(jīng)網(wǎng)絡(luò)的激活函數(shù),并依靠神經(jīng)網(wǎng)絡(luò)的基本算法,兩者相結(jié)合建立了基于自適應(yīng)調(diào)整學(xué)習(xí)率的小波神經(jīng)網(wǎng)絡(luò)模型,并利用MATLAB實(shí)現(xiàn)該模