综合运用非线性回归和时间序列分析研究边坡变形.pdfVIP

第28卷第3期 测绘科学 V01．28 No．3 2003年9月 Science of Surveying and Mapping Sep 综合运用非线性回归和时间序列分析研究边坡变形 节 斌 (中国石化集团第五建设公司，兰州 730060) 【摘 要】边坡变形的复杂性决定了运用非线性回归模型很难准确解决边坡变形规律。本文将讨论综合运用非线性 回归模型和时间序列分析的方法进行变形预报。即运用非线性模型和其他模型的有机结合和综合运用正确分析和 解决边坡变形规律，同时利用时间序列分析方法解决边坡周期性交形规律，并通过某实测边坡上一系列监测点监测 资料的分析和研究，证明该方法的可行性。 【关键词】边坡变形；非线性回归模型；时间序列；综合分析 【中图分类号】P25 【文献标识码】A 【文章编号】1009—2307(2003)03—0052—03 次， (。一，)、 (- ，)分别称为模型的自回归和滑动平均系数，函 1 前言 为白噪声序列，也称残差序列，a。满足下式： 自然界大量存在的相互作用是非线性的，线性作用其实 E(d‘)：o，E(口l口I一 )：f ， o (2) 只不过是非线性相互作用在一定条件下的近似。因此，严格的 L 0． ≠0 线性模型并不存在，它们都或多或少带有某种程度的近似。边 其中t时刻的a。与前时刻的 。一 (fO)不相关，即 坡变形是一个复杂的非线性过程，它主要受到边坡地区的地 E(口 。一，)=E( 。一t口。)=0 (3) 质构造、边坡滑坡体及滑动面的力学性质、边坡滑坡体及滑坡 令式(1)中的g=0，有： 地区的水文气象条件(如地下水、雨水等)的影响。显然，过程 I： 1 。一l+‘p2 I一2+…+ I一，4-口I (4) 本质的非线性就决定了预报模型的非线性。然而由于变形体 得 p阶自回归模型AR(p)，令式(1)中P：0，有： 变形的复杂性，单一的非线性模型往往很难准确地描述边坡 I=口I一01口I—l一 口I一2一…一0,a I一口 (5) 变形规律，非线性模型和其他模型的有机结合和综合运用将 得 g阶滑动平均模型MA(g)。由此可以看出，AR、MA只 是正确分析和解决问题的有效途径“ J。例如，非线性回归模 是ARMA的特例。 型往往能较好地描述边坡变形的总体非线性趋势，但无法描 用时间序列分析来处理变形观测数据，实质上就是根据 述总体变形趋势上的一些小的、周期性(如季节性)的震动；时 由变形观测取得的一段样本值 -， 。… 对观测序列{ 。l 间序列分析很难描述边坡变形的总体非线性趋势，但对小的、 的模型做出估计，也即需确定模型的阶数P、g，并估计出参数 周期性(如季节性)震动的描述却很有效。本文将讨论这两种 、 与白噪声序列的方差。前者称为模型识别，后者称为参 模型在某实测边坡变形规律研究中的综合应用。 数估计。 模型的识别一般是通过考察模型的自相关函数Pt和偏 2 时间序列分析法 相关函数％。可以证明[61，模型的偏相关函数对AR模型具 时间序列分析是一种动态建模法，它基于下述思想：同一 有截尾性，而对MA模型具有拖尾性；自相关函数对MA模型 变量现在时刻的观测值在时间上同以前的观测值是有联系