工程安全预报与预警技术讲解.ppt

随着现代科学技术的发展和计算机应用水平提高，各种理论和方法为变形分析和预报提供了广泛的研究途径。 由于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，需要结合地质、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、系统科学以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。 监测信息分析和预报的方法很多，但主要可分为经验统计分析预测和力学模型分析预测两大类。 前者是以现场监测数据为基础，借助各种数理统计方法建立预报模型，以实现对反馈信息进行分析和今后变化趋势进行预测的一类方法。该方法是传统的常用方法，在现行的监测信息分析和预报中，相当一部分都属于这类方法； 后者是将变形体的变形、破坏的发展过程视为某种力学模型的变化，从而建立变形体的预报模型，并以此来预报监测对象变化趋势的一类方法。 在对变形体监测时，通常采用计算机或手工将被监测部位的某种物理量（如位移、应变等）测值的变化作出随时间而变化的曲线。一般将时间取横轴，被测物理量则被标在纵轴上。 当某段曲线接近水平时，说明该被监测对象在该段时间内处于稳定或基本稳定状态；如曲线逐渐向上抬起或向下弯曲，则说明该变形体有所变化，而且曲线变化越陡表示变化越激烈。但如果曲线发生突然变化，那么这一现象有可能是即将发生灾害的重要前兆。显然，大幅度的突变，将预示着大的变化，这就是根据被监测物理量与时间关系曲线进行监测信息分析和发展趋势的曲线形态判断法。 监测曲线形态判断法 观测点正常曲线与反常曲线 1 回归分析法 在对变形体多期观测所获得的大量观测数据中，隐含着变形体本身发生、发展的规律以及与外界因素之间的相互关系。 回归分析方法是一种研究变量之间相关关系的统计方法，回归预测模型是一种重要的预测方法，它适合于某种预测对象与其它因素有关，从因果分析的角度来说，常常可用回归预测模型。变形体的变形一般是由内外因素引起的，可以通过在大量的监测数据的基础上，找出变量之间的内部规律，即统计上的回归关系，相应的计算方法和理论称为回归分析。 1 回归分析法 1）曲线拟合 1）指数模型y=aebx， 　取对数得到lny=lna+bx； 2）对数模型y=a+blnx， 　　取z=lnx，化为线性模型y=a+bz； 3）双曲线模型y=1/(a+bx)， 　　取z=1/y，化为线性模型z=a+bx； 4）双曲线模型y=x/(a+bx)， 　　取z=1/y,u=1/x，化为z=b+au； 5）双曲线模型y=(a+bx)/x， 　　取z=1/x，化为线性模型y=b+az。 　　然后，利用最小二乘法求出参数a,b。 1 回归分析法 2）多元线性回归分析 标准离差（S）检验 标准离差S用来检验回归模型的精度，其计算公式为 一般要求 相关系数（r）检验 相关系数r用来检验两个变量之间的线性相关的显著程度，其计算公式为 相关系数（r）检验 显著性（F）检验 随机性（DW）检验 DW的检验方法 DW检验判别表 回归模型的预测和置信区间的计算 回归模型的预测和置信区间的计算 3）逐步回归计算 2 时间序列分析模型 无论是按时间序列排列的观测数据还是按空间位置顺序排列的观测数据，数据之间都或多或少地存在统计自相关现象。然而长期以来，变形数据分析与处理的方法都是假设观测数据是统计上独立的或互不相关的，如回归分析法等。这类统计方法是一种静态的数据处理方法，从严格意义上说，它不能直接应用于所考虑的数据是统计相关的情况。 2 时间序列分析模型 时间序列是指随时间变化的具有随机性的前后又有关联的一些观测数据。在变形监测数据中有很多可以看成为时间序列，时间序列分析是针对已知的历史数据进行分析，从而对我们所关心的事情作出较为准确的判断和预测。因此，时间序列在变形预测中占有重要地位。 2 时间序列分析模型 时间序列分析的特点在于逐次的观测值通常是不独立的，且分析必须考虑到观测资料的时间顺序，当逐次观测值相关时，未来数值可以由过去观测资料来预测，可以利用观测数据之间的自相关性建立相应的数学模型来描述客观现象的动态特征。时间序列的影响因素很复杂，难以一一加以分析，从其作用效果来看，可以划分为四种变化特征。 2 时间序列分析模型 某个变量由于受到某些因素持续地影响，其时间序列表现为持续的上升或者下降的总体变化趋势，期间的变动幅度可能有时不等，可能是线性的，也可能是非线性