GM模型在变形监测中应用分析.docVIP

GM（1，1）GM（1，1）基本理论、适用条件，运用GM（1，1）模型对解放桥沉降观测数据进行分析与预报，并评出模型结果的精度等级，得出用GM（11）Application and analysis of GM（1，1）eformation monitoring 1引言 在工程建筑物施工运营期间，为了监测建筑的安全和稳定情况，了解其设计是否合理，变形监测便显得尤为重要。通过对变形观测成果进行归纳分析，确定物体的几何变形，总结出引起变形的原因、规律，并预报未来变形值的范围，从而判断建筑物的安全程度。 变形观测的成果往往杂乱无章，而GM（11） 令 (1) 当时，为递减数列，且，当足够大时，该数列收敛于零，即称为光滑的离散函数。递减程度反映了数列的离散光滑性，递减程度越大，说明数列光滑性越好， 光滑性越好，建立模型精度也越高。 但原始数据往往含有随机干扰的成分，随采用累加生成(AGO)处理方法，一般可得到光滑离散函数。 设原始数列为 累加生成数列记为 并且与满足 ············(2) 若生成的数列仍不满足条件，则可进行多次累加： 2.2建模 对生成的非负离散数列建立微分方程：，设，按平滑差分，得 最小二乘法求解，得 式中 ， 求出后代入微分方程，解出微分方程得 (3) 对作累减生成(IAGO)，可得还原数据： 或 (4) (3)、(4)两式即为灰色预测的两个基本模型。当时，称为模型模拟值，当时，称为模型滤波值，当时，称为模型预测值。 2.3模型精度 对模型精度即模型拟合程度评定的方法有残差大小检验、关联度检验和后验差检验三种。残差大小检验是对模型值和实际值的误差进行逐点检验；关联度检验是考察模型值与建模序列曲线的相似程度；后验差检验是对残差分布的统计特性进行检验，它由后验差比值C和小误差概率P共同描述。GM（11）GM(1，1)模型得到： ｛，，…， 计算残差 记原始数列及残差数列的方差分别为，，则 式中， ； 然后，计算后验差比值 C=S2/S1 和小误差概率 模型精度等级=max｛所在的级别，所在的级别｝ 表1列出了根据、取值的模型精度等级。模型精度等级判别式为[2]： 表1 模型精度等级 Tab.1 the grade of model precision 预测精度等级 A级（好） B级（合格） C级（勉强） D级（不合格） 3 GM（1，1）模型用于变形分析实例 选取解放桥西岸沉降观测点W2的观测值来分析。W2点第10至15期观测值如表2： 表2 单点观测值 Tab.2 the observation value of single point 期数 10 11 12 13 14 15 观测日期 （2001年） 1.3 1.6 1.9 1.15 1.27 1.31 观测天数 （3天为单位） 0 1 2 4 8 9 观测值 0.7 0.1 -0.3 0 -0.2 0 3.1绘制变形曲线 为了使平差后的成果便于分析，通常将变形观测值绘制成各种图表。常用的图表有观测点的变形曲线或过程线。因为观测点变形过程线可明显地反映出变形的趋势、规律和幅度，对于初步判断建筑物的工作情况是否正常是非常有用的。 观测点的变形过程线是以时间为横坐标，以变形值或累积变形值（位移、沉陷、倾斜和挠度等）为纵坐标绘制成的曲线。 1）根据观测记录填写变形数据表； 2）绘制观测点实测变形过程线； 3）实测变形过程线的修匀。（可以省去） 绘制结果如下图所示： 图1 实测变形过程线 Fig.1 the process line of deformation measured 3.2模型预测和检验 从观测时间来看，时间间隔为3，6，12，24，28，以3天为单位，则其间隔为1，2，4，8，9，这样我们可以建立时间序列：｛t｝=｛0，1，2，4，8，9，10｝。 （1）数据列处理 由于观测时间不等时距，这时有二种解决方法： 其一，用均值化的方法对观测值进行白化处理。方法如图2： 如图所示，已知以及均为白化数。而区间的数为灰，则均值化灰数为： 其中，P=1，2，…，m-1。 均值化以后便可以建立一般的GM（1，1）模型进行预测。 其二，直接建立灰