时间序列模型在地铁结构变形预测中的应用.pdfVIP

时间序列模型在地铁结构变形预测中的应用 45 时间序列模型在地铁结构变形预测中的应用 史 青1，练晓华2 (1安徽省地质矿产勘查局，安徽合肥830011；2金坛市测绘所，江苏金坛813200) 摘要地铁结构变形会影响到地铁的运营安全。某地铁区间隧道进行了为期近一年的结构变形监测，论文尝试 利用已有变形监渊结果，采用时I,-I序列模型对地铁结构变形进行预测。结合该工程实例，分别采用回归分析模型 和时间序列模型进行了变形预测，结果表明，回归分析模型的预测精度约为士o．21胁，时间序列模型的预潮精度 约为土0．11-InIil。时间序列模型预洲的精度较高，效果良好。对地铁结构变形的准确预测，可为地铁安全运营提 铁衣力帮助。 关键词 变形监测 时闻序列模型 变形预测 1引言 2时问序列的基本原理 随着经济的高速发展，我国地铁建设的步伐越 时间序列分析法是一种有效的动态数据处理 来越快，作为其重要组成部分的隧道，数量也在不 方法，它通过对按时间顺序排列的、随时间变化且 断增加。由于隧道结构的特殊性，发生变形时地铁 相互关联的数据序列进行分析，找出反映事物随时 运营的安全便得不到保障。因而如何在保证安全 间的变化规律，从而对数据变化趋势做出正确的分 的前提下，充分发挥地铁隧道的作用，带给人们安 析和预报。本文中把监测点随时间变化的变形量 全便利的交通，是一项重要内容。在已建成或正在 视为时间序列。 修建的城市地铁中，地铁隧道沿线附近或上方进行 2．1时问序列模型 非地铁施工的建设项目越来越多，这些项目存在卸 实际中常用的时间序列模型包括：AR模型、 载，加载，抽水，降水或振动等施工程序或因素，可 MA模型以及ARMA模型。本文主要介绍自回归 能对地铁隧道结构产生一定的结构变形，倾斜，位 模型AR(p)。自回归模型是描述时序的观测五值 移，隆起或沉降等等影响。一旦隧道拱顶发生下 与其前一个或前几个时刻的观测值X，。，X，。…有 沉，严重时导致坍塌，其后果不可估量。因而，建立 关或有依赖性。在一定条件下，也可以用类似于线 完善的监测系统并对变形分析及预测进行研究有 性回归模型的随机差分方程来描述： 着重要意义，这方面内容引起了国内外学者的广泛 XT=卵X■+伫X卜2+…+伽X卜’+吼 关注。 这就是P阶自回归模型，记作AR(乡)，其中实 进行变形分析及预测的模型有很多种，根据不 数(toj(1勺≤户)，)称为自回归参数，a。表示残差。 同的工程特点采用不同的模型。长期以来，变形数 2．2时间序列建模方法 据的分析与处理都是假设观测数据之间是相互独 要建立自回归模型AR(夕)，首先要对模型参数 立或不相关的，如回归分析法等。这类统计方法是 进行估计。AR模型的参数估计有多种方法，比较 一种静态的数据处理方法。尽管每次的观测是在 常用的有最t|sZ．乘法、y—w方程估计法。其中，最 相对独立条件下获得的，但是这些观测数据之间都 小二乘法是时间序列模型参数估计的最佳算法之 是相互依赖的，具有“记忆”的特征，是一种动态数 一。该方法采用最tb--乘的