第五章 变形预测常用方法(研究生).pptVIP

3.3 线性回归模型的统计分布和统计性质 一、 均为正态分布 在线性回归模型中，观测值 服从正态分布即： 由于 都是 的线性函数，故 也都是服从正态分布。即有 式中 3.3 线性回归模型的统计分布和统计性质 二、 是 的无偏估计 3.3 线性回归模型的统计分布和统计性质 三、是 的最优线性无偏估计 设线性回归模型的最优线性无偏估计 的任意线性函数为 。如果 是 的无偏估计，必有 则下列等式必须成立： 这是无偏性条件方程 3.3 线性回归模型的统计分布和统计性质 线性函数 的方差为： 如果 是无偏的而具有方差最小性，就必须在满足无偏条件 下， 的方差最小，即求条件极值的问题。 式中变量为F，故有 则有 所以 是 的最优估计量 3.3 线性回归模型的统计分布和统计性质 四、 是 的无偏估计量 已知 §3.5 时间序列分析模型 求得参数 和改正数V，计算 当p=2，回归模型为 求得参数 ，改正数V，计算 统计量 当p=3，回归模型为 求得参数 ，改正数V，计算 统计量 第三章 变形预测常用方法 1、监测曲线形态判断法 2、监测数据线性回归分析法 3、监测数据非线性曲线预测模型 4、监测数据时间序列预测模型 5、监测数据的灰色系统预测方法 6、监测预测的神经网络模型 变形预测常用方法 随着现代科学技术的发展和计算机应用水平的提高，各种理论和方法为变形分析和变形预报提供了广泛的研究途径。 因变形体变形机理的复杂性和多样性，对变形分析与建模理论和方法的研究，需结合地质、力学和水文等相关学科的信息和方法，引入数学、数字信号处理、系统科学及非线性科学的理论，采用数学模型来逼近、模拟和揭示变形体的变形规律和动态特征，为工程设计和灾害防治提供科学的依据。 确定变形体的变形大小和规律与变形原因之间的关系的基本方法为：统计分析法、确定函数法和混合模型法。 统计分析法依赖于数学处理，主要包括回归分析法、时间序列分析模型、灰色系统分析模型、人工神经网络模型、Kalmam滤波模型、频谱分析法等方法。 确定函数法和混合模型法是以有限元法等计算不同荷载下的效应量，并研究计算效应量与实测值的拟合问题。 回归分析是变形分析中应用最多的一种方法，广泛应用于变形测量数据处理的数理统计中。 回归分析法中主要有曲线拟合、多元线性回归分析、逐步回归计算等方法。 3.1 曲线拟合 曲线拟合是趋势分析方法中的一种，又称曲线回归、趋势外推或趋势曲线分析，是迄今为止研究最多，也最为流行的定量预测方法。 可用各种光滑曲线来近似描述事物发展的基本趋势，即： 式中， 为预测对象； 预测误差； 根据不同情况和假设，可取不同的形式，而其中的 代表某些待定的参数，为时间。 3.1 曲线拟合  几类典型的趋势模型： 多项式趋势模型 对数趋势模型 幂函数趋势模型 指数趋势模型 双曲线趋势模型 修正指数模型 逻辑斯蒂（Logistic）模型 龚伯茨（Gompertz）模型 多项式趋势模型应用： 任一连续函数都可以用分段的多项式来逼近，所以在实际问题中，不论变量与其它变量的关系如何，在相当宽的范围内，总可以用多项式的模型来拟合比较复杂的曲线。 采用多项式模型进行拟合，多项式中的阶数n其实事先并不知道。很多具体应用时，为图省事有直接取n=4或n=5。比较科学的方法采用对n添项增加的建模法。 一般情况下，模型刚添项时，模型误差有显著的下降，但添加到一定的阶数后，模型的残差平方和已无显著的变化，表明拟合的多项式已基本接近需要的阶数。 3.2 回归分析法 一、线性回归分析 实际中， 变形值与变形因素之间的关系并非都是线性的， 常呈现曲线关系， 另外，影响变形值的因素是多方面的。 为此，需要解决一个变量与多个因子之间的相关关系，而且，许多因子对变量的影响还是非线性关系。 3.2 回归分析法 对于非线性关系，我们可以通过变量的变换转化为线性问题。例如，多项式关系 应用变量变换 转化成线性关系 3.2 回归分析法 由于许多非线性问题转化线性问题来解决，因此，我们所需解决的问题可看成是一个变量与多个变量之间的线性相关问题，即多元线性回归问题。 多元线性回归的中心问题是： 确定对变量影响的因子及它们之