沉降监测多项式回归分析与神经网络预测.pdfVIP

第27卷第4期 海’洋测绘 VoL27，No．4 2007年7月 HYDRoGRAPHICSURVEYINGANDCHARTⅨG Jlll．．2007 沉降监测多项式回归分析与神经网络预测 田 丰，文鸿雁，张静 (桂林工学院土木工程系，广西桂林541004) 摘要：使用多项式和切比雪夫(Tehebyshev)多项式分别对沉降监测数据进行回归分析以预测未来沉降值，其 中切比雪夫多项式的外推效果较好；应用前向BP神经网络对两种不同的单因子输入模式进行非线性函数逼近，并 进行了不同采样步长的比较，实例表明将时间点作为网络的输入对沉降进行预测效果较好。 关键词：沉降监测；多项式回归；切比雪夫多项式；神经网络预测 中图分类号：TPl83 文献标识码：A 文章编号：1671-3044(2007)04-0023-05 拟合次数都为7次，得到各沉降点的多项式拟合参 1 引 言 数a。一锄，即可写出4个点的一元七次回归表达式。 多项式回归分析使用最小二乘法，可以精确表 达数据序列复杂的变化规律。在数学上已证明，在 闭区间上的任意确定性连续函数，总可以用Ⅳ次多 项式以所要求的精度来逼近【l】。切比雪夫多项式 回归相当于普通多项式回归数学方法上的改进，具 有计算公式简捷、占用计算机内存空间少、计算速度 快、准确度较高等优点。 前向型神经网络适合于非线性函数逼近问题和 预测问题，在沉降监测神经网络模型中，教师信号是 实际观测值，输入前期的样本值并训练，在已经学习 训练好的网络中输入新的样本值进行仿真，即可对 时闻(累计天) 未来几期未知的沉降进行预报。 图1沉降点1-4的59期累积变形 2多项式回归分析 2．1．2模拟沉降趋势 沉降数据序列的回归分析中，利用监测点的沉 外推预测第60、61和62期的沉降值，可是外推 降量与观测经历时间的相关性，建立数学表达式，利 结果在末端出现了极大的震荡，最后三期的预测结 用回归的表达式模拟沉降趋势，预测未知时间点上 果很差，这是因为7次多项式只是对已知样本的前 的沉降量哺J。 59期进行了拟合，且普通的多项式回归对已知区间 外的未知数据集的外推精度很差。 以下对桂林电厂的4个监测点进行了共2037 天的59期沉降观测，绘制了各点的累积沉降量 2．1．3预测精度分析 (mm)，如图1。分别用多项式回归与切比雪夫多项 (1)经实际计算验证，当增加拟合次数时，对拟 式回归进行沉降预测。 合之后的多项式进行共62期的观测时间点外推，其 2．1 多项式回归分析 中前59期的拟合精度越来越高(拟合不超过25 使用多项式回归对前59期沉降数据进行拟合 次)，但第60、61和62期时间点的震荡程度也越来 以预测第60、61和62期的沉降值。 越大，预测结果不可信； 2．1．1数据拟合 (2)经实验，直接使用代数多项式拟合已观测 分别对4个点在59期内的沉降数据进行拟合， 数据点之后，对已观测数据区间内的各插值点进行 收稿日期：2007·01-15；修回日期：2007—03-22 基金项目：国家自然科学基金项目；广西区自然科学基金项目(0339072)。 作者简介：田丰(1982．)，男，宁夏中宁人，硕士研究生，主要从事变形监测数据处理研究。 万方