基于时间序列分析的地铁变形监测数据建模与预报研究.pdfVIP

基于时间序列分析的地铁变形监测数据建模与预报研究 ：刘华夏 张献州 17 文章编号：1672—7479(2009)06—0017—03 基于时间序列分析的地铁变形监测数据建模与预报研究 刘华夏 张献州 (西南交通大学，四川成都 610031) DataM odelingforSupervisionandPrediction ofSubway DeformationBased on TimeSeriesAnalysis LiuHuaxia ZhangXianzhou 摘 要 变形监测数据分析与预报是变形数据处理中的重要 内容，可靠的预报是决策的重要依据。 根据时间序列的特性，阐述 了如何应用该方法对变形监测数据进行建模与预报 ，并通过某地铁变形监测 数据进行建模，验证该方法的可靠性和有效性。 关键词 变形监测 时间序列 变形预报 中图分类号 ：U231．2；U456．3 文献标识码 ：A 受各种因素的影响，工程建筑物在各个时期，均会 按多元线性回归的思想，可得到最一般的ARMA模型 = l ￡ l + 2 卜2 + … + ￡ 产生不同程度的变形。从有限的监测数据 中发现工程 f 一 一 p一01aI—t一 建(构)筑物的变形规律，是进行决策的重要依据，从而 02 一‘2一 … 一Oqat—q+0￡，0t N(O， )， 避免可能的安全隐患。时间序列分析法是一种有效的 式中 (i=1，2，… )。当0=O时，模型变为 = l 卜1+ 2 卜2 + … + t + 口l， 动态数据处理方法，它通过对按时间顺序排列的、随时 f — p 间变化且相互关联的数据序列进行分析，找出反映事物 称为P阶 自回归模型，记为AR(p)。当 =0时，模型 随时间的变化规律，从而对数据变化趋势做出正确的分 变为 析和预报。本文基于时间序列分析的特性，对某地铁一 f = 口‘一01 ￡一l一02口 2一 … 一Oqa 口， 监测点的变形监测数据进行分析研究，建立了AR模型， 称为 q阶滑动平均模型，记为MA(g)。 结果证明该方法具有较好拟合和预报精度。 2 时间序列建模过程 】 1 时间序列的基本原理… 2．1 数据 的检验 与预 处理 1．1 时间序列分析模型 在建模前，首先要检验观测数据序列是否满足正 对于平稳、正态、零均值的时间序 )，若 的取 态、平稳和零均值要求，对于不符合平稳化的数据要进 值不仅与其前P步的各个取值 川， ，…， 有关， 行预处理，处理方法有差分法和提取趋势项两种 。 而且还与前 q步的各个干扰 n ，0川，…，n 有关，则 2．2 模型的识别 模型识别的实质是根据一组样本值 (1≤t≤rL) 收稿 日期 ：2009—11—03 第一作者简介：刘华夏(1982一)，男，西南交通大学在读硕士研究生。 计算其 自相关系数 { ，0kr,／}和偏相关 函数 要使 GPSRTK实时动态技术在既有铁路丈量中 [2] 铁道第二勘察设计院．铁路测量手册 [M]．北京