变形监测缺失数据序列灰色建模方法探讨

在测量工作中,由于气候环境、观测方法、观测仪器以及观测人员自身因素等多方面的原因,可能造成观测数据的丢失或者不完全。文中针对这类数据的处理,采用加权平均法和三次样条插值法对缺失数据进行修复,建立GM(1,1)模型,并与非等间隔预测模型进行对比。通过两组仿真数据和两组实测数据验证发现:对于呈指数增长的序列和高增长序列修复之后建模预测精度更高;三次样条插值法数据修复后GM(1,1)建模预测精度较加权平均法预测精度更高;对于低增长序列,直接采用非等间隔建模预测精度更高。