时间序列模型在建筑基坑变形监测中的应用研究.docVIP

时间序列模型在建筑基坑变形监测中的应用研究 　　摘要：变形监测作为指导建筑基坑安全开挖施工的重要手段，在获取高精度高可靠性的数据外，对监测数据的分析、建模、获取可靠的预报是变形监测分析的最重要目的，它可为安全监控提供依据。本文根据时间序列的特性，阐述了如何应用该方法对变形监测数据进行建模与预报，并通过某建筑基坑变形监数据进行建模验证该方法的可靠性和有效性。 　　关键词：变形监测；时间序列；变形预报；建筑基坑 　　中图分类号：TV551.4 文献标识码：A 文章编号： 　　 　　筑物基坑在施工开挖期间，由于受降水等各种综合因素的影响，基坑支护及周边环境（包括周边建筑、道路、地下管线等建（构）筑物）可能产生不同程度的变形，因此从有限的监测数据中发现基坑施工是否存在安全隐患，是指导基坑安全施工并进行决策的重要依据。时间序列分析法是一种有效的动态数据处理方法，它通过对按时间顺序排列的、随时间变化且相互关联的数据序列进行分析，找出反映事物随时间的变化规律，从而对数据变化趋势做出正确的分析和预报，因此本文基于时间序列分析的特性，对佛山市某建筑基坑监测点的变形监测数据进行分析研究，建立了模型，结果证明该方法具有较好拟合和预报精度。 　　1 时间序列的基本原理[1] 　　1.1 时间序列分析模型 　　对于平稳、正态、零均值的时间序，若的取值不仅与其前步的各个取值有关，而且还与前步的各个干扰有关，则按多元线性回归的思想，可得到最一般的模型： 　　，，式中。当时，模型变为：，称为阶自回归模型，记为。当时，模型变为：，称为阶滑动平均模型，记为。 　　2 时间序列建模过程[2~4] 　　2.1 数据的检验与预处理 　　在建模前，首先要检验观测数据序列是否满足正态、平稳和零均值要求，对于不符合平稳化的数据要进行预处理，处理方法有差分法和提取趋势项两种。 　　2.2 模型的识别 　　模型识别的实质是根据一组的样本值计算其自相关系数和偏相关函数的值，并由和是否截尾（即趋近于零）判定模型是还是。自相关函数和偏相关函数的估值计算公式分别如下： 　　，（1） 　　（2） 　　若、均不截尾（即拖尾），则可认为为序列，一般可由低阶向高阶逐个进行检验，直到模型合适为止[1]。 　　2.3 模型参数的估计 　　在初步确定模型的类型和阶次之后，要对模型的未知参数或做出估计，模型参数估计分为粗估计和精估计，粗估计一般采用矩估计，精估计一般采用最小二乘法、最小平方估计和极大似然估计。对于模型的最小二乘法估计方法如下： 　　若记： 　　，即：，则可得到模型参数的最小二乘估计为：。白噪声(即残差)的估值。 　　2.4 模型适用性检验 　　通常对残差的平方和进行检验作出对参数的选择和定阶，检验法公式如下： 　　，其中为样本长度，参数总个数，为被检验的参数个数，为模型的残差平方和，为的残差平方和。若则表时所选的模型不合适，应继续提高阶次建模，否则取为合适的模型。和的检验过程类似，只需改变和即可。 　　2.5 模型的预报 　　对于实际变形监测而言，预报是运用时间序列分析进行建模的最重要的应用，设是平稳零均值序列，而设由时刻所作的预报值为，称之为步预报。对于有，预报误差为，通常采用线性最小方差原则来选定上式中的系数，使，对于模型，其预报公式为： 　　 　　 （3） 　　 　　3 实例分析 　　3.1 概况 　　以佛山市某建筑基坑变形监测为例，为随时掌握基坑开挖过程中对其周围环境的影响，在基坑周边路面布设相应的监测点，以便及时发现问题并采取最优的工程对策，做到信息化施工，确保施工安全。监测周期应根据基坑工程环境，以及施工期间地表与地下结构可能产生变形量的大小来确定。基坑开挖期间每1～2天一次,并根据情况和工程进展调整监测频率，直至沉降速度小于0.03mm/d进入稳定阶段为止。现以抽取某路面点L08的20期观测数据，以前15期的观测数据进行分析建模，并对后的5期进行预报比较。该点原始观测数据如表3-1所示。 　　表3-1 路面监测点L08高程成果表 　　 　　 　　3.2建模步骤如下： 　　（1）数据预处理：若原始序列不满足平稳性要求，则一般处理过程是首先对观测数据进行一阶差分形成新的序列，检验差分后的序是否满足平稳性条件，若不满足则继续进行差分再检验直至满足平稳性要求，最后作均值化处理。本序列经过二次差分（）后再作均值化处理形成新的序列。 　　（2）对序列计算自相关函数和偏相关函数，计算结果如表3-2所示： 　　表3-2：自相关函数和偏相关函数估值 　　 　　 　　通过表3-2可以看出，偏相关函数具有截尾性，但只通过和的截尾性来判断阶次是不一定正确的，因为和可能不会出现严格的截尾（即在趋近于0的某个小值范