变形监测作.doc

期末作业 课程名称： 变形监测数据处理 学 院： 矿业学院 专 业： 测绘工程 姓 名： 杨龙飞 学 号：080801110183 年 级： 08 级 任课教师： 张显云 2011年4月28日 一、灰色系统分析模型 试根据某工程某一测点1982—1986年观测的变形数据，建立GM（1，1）模型，求其模型拟合值及残差，并对模型的精度进行评定。 年份 1982 1983 1984 1985 1986 变形值（mm） 3.38 4.27 4.55 4.69 5.59 解： 由以上5期观测数据： x(0)={3.38，4.27，4.55，4.69，5.59} 根据公式： 对x(0)进行一次累加得： x(1)={3.38，7.65，12.2，16.89，22.48} 根据GM（1，1）模型原理，用最小二乘法求解得： 式中， 所以，可求得：，并将代入公式： 得=｛3.38，7.53985，12.08249，17.04313，22.46025｝ 对用以下公式： 作累减生成(IAGO)，可得还原数据，即模型拟合值为： =｛3.38，4.1600，4.5426，4.9606，5.4171｝ 计算残差，由公式 计算残差得：e(k)={0，0.1102，0.0074，-0.2707，0.1729} 记原始数列及残差数列的方差分别为、，则 然后，计算后验差比值 0.213 和小误差概率 1.00 下表列出了根据C、P取值的模型精度等级。模型精度等级判别式为： 。 模型精度等级 模型精度等级 P C 1级（好） 0.95P C0.35 2级（合格） 0.80P0.95 0.35C0.5 3级（勉强） 0.7P0.80 0.5C0.65 4级（不合格） P0.70 0.65C 所以，模型精度评定结果如下表： 维数 a u 后验差C 小误差概率P 模型精度等级 5 -0.08803 3.681907 0.213 1.00 1 二、时间序列分析模型 由所给出的数据（如下表）观察可知，所给样本数据不符合平稳化要求，所以须对样本数据进行数据的预处理，下列是差分法对数据进行处理的过程。 用这28的个数据进行一次差分、二次差分得到一组（26个）平稳的数据｛｝，可知样本容量 N = 26，故 M = N / 10=3其结果如下表： 根据公式： k = 0 ，1 ，2 ，… ，N-1 计算自协方差函数结果如下： 再由公式： k = 0 ，1 ，2 ，… ，N-1 可计算自相关函数，其结果如下： 根据公式： = 计算其偏相关函数，其结果如下： 当k=1时：-0.37822 当k=2时：= -0.45151 = -0.193796 当k=3时：= -0.46758 = -0.231227 = -0.082899 初步识别平稳时间系列模型类型的依据如下表1 ： 表1 模型识别 模型 类别 AR(n) MA(m) ARMA(n，m) 模型方程 自相关函数 拖尾 截尾 拖尾 偏相关函数 截尾 拖尾 拖尾 根据所计算的自相关函数和偏相关函数可知，｛｝和｛｝均不具有截尾性，但其收敛于零的速度较快，所以｛｝可能是ARMA(n，m)模型： 由于此时阶数n和m较难确定，采用由低阶向高阶逐个试探。 1、ARMA模型参数的初步估计 （1）p阶自回归模型参数的初步估计。 P阶自回归模型AR(p)的公式为： 对于k=1，2，3，…，p，方程式两边同时乘以，可得 亦即 ……..（1） （2）q阶滑动平均模型参数的初步估计。 q阶滑动平均模型MA(q)的公式为： 对于时滞t—k， 将上式相乘得： 可得： ……..（2） 2、ARMA模型预测 （1）建立ARMA(1，1)模型 将上式写为形式为： 对AR(1)模型 ： 由于 -0.378217 ，另= 0，求得B=2.643985 1 。 对MA(1)模型 ： 等式两边同时乘以得： 即： 得 求得 -0.378217 ，由公式（2）构造统计量得到Q= 0.1095 在给定置信区间概率，查表中自由度为1的的值=0.997 Q,所以MA(1)模