王凤艳《变形监测数据处理》第五章 变形分析与预报.pptVIP

* 基于逐步回归分析的大坝变形分析与预报 　　 逐步回归算法是根据专业知识和监测资料，通过回归系数的显著性检验，逐步地接纳和舍去变形影响因子，最后得到最佳回归方程。 建模期数 预报期数 所建模型 所选因子 40期 61-74期 y=9.04-0.16x5-0.13x12 x5 x12 50期 61-74期 y=8.87-0.21x5-0.07x12 x5 x12 60期 61-74期 y=8.87-0.02x1-0.19x5-0.07x11 x1 x5 x11 50期 51-65期 y=8.87-0.21x5-0.07x12 x5 x12 50期 51-70期 y=8.88-0.21x5-0.07x12 x5 x12 50期 51-74期 y=8.87-0.21x5-0.07x12 x5 x12 表3-6 不同期数的建模情况 期数 观测值 40期建模 50期建模 60期建模 预报值 残差 预报值 残差 预报值 残差 61 1.03 0.80 -0.23 0.87 -0.16 0.82 -0.21 62 1.48 1.07 -0.41 1.05 -0.43 1.03 -0.45 63 1.88 1.16 -0.72 1.21 -0.67 1.24 -0.64 64 2.05 2.23 0.18 2.10 0.05 2.07 0.02 65 5.8 6.29 0.49 6.28 0.48 6.32 0.52 … … … … … … … … 表３-7　建模期数不同的预报值与观测值对照表 图３-３４０期建模,预报61-74期拟和曲线和残差过程线 图3-8 50期建模，预报61-74期的拟合线和残差过程线 图3-9 60期建模，61-74期预报的拟合线和残差过程线 建模期数 预报期数 拟合中误差 预报中误差 40期 61-74期 0.5619 0.4030 50期 61-74期 0.5604 0.3780 60期 61-74期 0.5657 0.3808 表３-8不同建模期数的预报效果比较 表3-9 不同预报期数的预报效果比较 建模期数 预报期数 拟合中误差 预报中误差 50期 51-65期 0.5595 0.3839 50期 51-70期 0.5606 0.3833 50期 51-74期 0.5604 0.3908 基于逐步回归分析法的大坝变形预报中，建模期数越多，预报的期数越少，预报的效果就越好。并且说明对于西津大坝27#点的变形，前45天的平均气温和前5天的平均水温对变形影响较为显著。 BP神经网络预测与逐步回归分析预测比较 １.对大坝变形值的预报比较 表３-10　两种模型对大坝变形值的预报效果比较　 以50期建模,预报后24期的大坝变形为例,比较了BP神经网络与逐步回归分析的预报效果。 模型 拟合中误差 预报中误差 BP神经网络 0.0536 0.4156 逐步回归分析 0.5604 0.3708 对于大坝变形值的预报，BP神经网络的预报效果与逐步回归的预报效果相当。 ２.对大坝变形区间的预报比较 对于神经网络，为了将变形区间直接输出，将输出神经元改为4个，分为四个区间。 [-2mm,0mm] 记作“0001”； [0mm,2mm] 记作“0010”； [2mm,4mm] 记作“0100”； [4mm,6mm] 记作“1000”。 表３-11　神经网络对大坝变形区间的预报 期数 观测值 实际 区间向量 预报的输出向量 预报 区间向量 一致性 51 0.97 0010 0.0000 0.0000 1.0000 0.0007 0010 1 52 0.58 0010 0.0000 0.0000 1.0000 0.0008 0010 1 53 1.12 0010 0.0000 0.0001 0.9999 0.0003 0010 1 54 1.95 0010 0.0000 0.0859 0.9315 0.0001 0010 1 55 5.12 1000 0.9999 0.0005 0.0001 0.0015 1000 1 … … … … … … … … … 对于逐步回归分析法，将变形值分为四个区间： [0mm，2mm] 记作A， [2mm，4mm] 记作B， [4mm，6mm] 记作C， 6mm以上 记作D。 表３-12　逐步回归对大坝变形区间的预测 期 数 观测值 逐步回归模型预报 变形值（mm） 变形区间 变形值（m