逐步回归分析在大坝安全监测中应用研究.pdfVIP

  逐步回归分析在大坝安全监测中应用研究 李红祥 河海大学土木学院，南京（210098 ） E-mail ：lihongxiang1002@ 摘 要：安全监测是大坝安全运行过程中一项重要的工作。在简述逐步回归分析原理的基础 上，结合工程实际，利用实测数据建立了坝体位移量与相关因子的逐步回归模型，并进行预 报，并取得了良好效果。 关键词：安全监测;逐步回归模型;预报 1 引言 在对已建成大坝的安全监测过程中，如何能及时地、简捷地将数据进行分析，特别在洪 水、高水位时期，能迅速将所测数据资料进行整理归纳，掌握大坝工作情况，并评估其安全 程度是十分重要的。回归分析作为评估系统的一部分，可以预报大坝未来时段的工作状态， 及时发现大坝异常变形[1] 。在建立观测数据的回归方程时，往往有较多的因素( 自变量)对观 测值有影响。对于不同的自变量组合，可以得到不同的回归方程，它们必然在质量上有优劣 之分，人们希望在众多的因素中挑选出适当的自变量组合，以建立对这批观测数据来说是“最 优” 的回归方程。一般来说，回归方程中包含的自变量越多，其预报就越精确，但回归方程 中包含自变量过多也会带来一些不利影响：首先,计算量较大；其次，如果方程中包含有对y 不起作用或作用很小的变量，这时残差平方和不会由于这些变量而减少很多，相反的由于自 由度(m-n-1) 的减小，方差估值可能反而增大，从而降低了预报精度；第三，由于存在对 y 影响不显著的变量，会影响回归方程的稳定性而使方程质量降低。因此，回归方程中包含有 不显著的自变量是有害无益的，良好的回归方程的建立极为重要。本文结合工程实际，对一 大坝所采集的数据进行了分析、预报，得出了一些参考性结论。 2 逐步回归及其流程 在多元回归分析的实际应用中，选取与y 有一定关系的一组变量(x , x ,…, x )作为可能 1 2 k 的预报因子，当预报因子常达十多个以至几十个，或所选因子之间本来就有相关关系，把全 部因子放入回归方程，往往使系数矩阵退化，无法求解。或解得回归方程精度不高，实际无 法应用。因此我们应根据对y 贡献的大小把因子选入回归方程，使建立的回归方程只包含显 著因子，同时使方程的残差平方和较小，即最佳的回归模型，而逐步回归分析是选择最佳回 归模型的其中一种优越方法。 [2] 选择最优回归模型方法有向前法和向后法、全面比较法和逐步回归法 。 逐步回归法结合了向前法和向后法，本质是向前法，但采用了向后法的做法，克服因后 续因子引入而使已选因子变得不显著的缺点，在逐步回归中，每一步增加了对已选入自变量 的显著性检验。即在每一步经F 检验选入回归模型的自变量，而后又要做 F 检验，看是否 要剔除某些自变量，这个过程一直进行到既没有自变量需要选入，又没有自变量要剔除为止 [4] 。逐步回归法的计算过程大致如下： 1) 选择第一个自变量x 1 ，对m 个自变量分别引入一元回归模型，并分别计算残差平 () 1 1 1 1 方和Q( ) (j 1, 2,K,m)，然后找到Q( )最大一个，记为Q( ) max Q( ) ，并计算 εj εj ε εj ‐ 1 ‐    相应的F 统计量或相关系数γ ，在选定显著水平α ，做F 检验，若 1