基于时间序列AR(P)模型的边坡变形预测与应用

获取边坡的监测数据进行分析,并预测其接下来的变化趋势,具有重要的意义。本文以贵州省福泉市高坪矿区英坪矿段内边坡工程项目为研究对象,对监测数据采用时间序列AR(P)模型方法进行了分析与预测。研究结果表明,模型拟合的结果和预测精度较好地反映了监测点的变化趋势,可为矿区边坡模型建立和监测数据的预测提供一定的参考。

基于加权分位数回归参数估计的AR模型及其应用

提出加权分位数自回归AR(p)模型对路基边坡变形预测的新方法,给出其原理和具体算法。以重庆奉云高速公路某滑坡段为例验证了该方法的有效性,并与其他模型作对比分析。结果表明:新方法的预测效果优于最小二乘参数估计的AR(p)模型、非加权分位数估值的AR(p)模型、ARIMA及EMD-ARIMA模型。

应用ARIMA模型对呼吸系统疾病月住院量及住院费用的预测

目的应用自回归移动平均模型(autoregressive integrated moving average model,ARIMA)分析和预测上海市居民呼吸系统疾病月住院量及住院费用情况。方法通过对2005-2011年呼吸系统疾病逐月住院人数与费用数据建立ARIMA模型,利用该模型预测2012年1-12月的呼吸系统疾病住院量与住院费用,用平均预测相对误差作为预测效果的评价指标。结果 ARIMA(0,1,1)(0,1,1)12与ARIMA(0,1,1)模型是上海市居民呼吸系统疾病月住院量及住院费用的最优拟合预测模型,用该模型进行回代预测,预测值与实际值吻合程度较高。结论 ARIMA模型较好地模拟了上海市居民呼吸系统疾病月住院量及住院费用在时间序列上的变化趋势,预测结果可为今后呼吸系统疾病的预防和控制提供理论支持。

基于EMD-ARIMA模型的边坡位移分析与预测

针对波动性大、规律性差且含噪声的高速公路边坡位移监测时间序列,提出了一种基于经验模态分解技术(EMD)和自回归移动平均(ARIMA)相结合的预测算法,基本思想为"数据分解-数据预测-数据合成"。通过对重庆奉云高速公路247 d边坡位移监测数据的预测和分析,表明EMD-ARIMA具有较高的精度,好于单一ARIMA模型,可为工程建设及防灾减灾提供技术指导。

基于AR模型的动车组日均走行里程测算方法研究

动车组日均走行里程的测算在动车组运用和检修计划的编制中起着十分重要的作用。首先分析了动车组日均走行里程的各种影响因素,为了能够准确测算出后续一段时间内动车组的日均走行里程,提出了日均里程测算方法。同时,考虑到动车组运用在时间维度上具有一定的关联性和规律性,通过对日均上线动车组数进行时间序列分析,构建了AR模型来预测下一年的日均上线车组数,并完成动车组日均里程测算。最后,通过模型预测了2020年某动车所CRH380B型动车组的日均走行里程,通过与实际情况比较,最终的预测误差小于5%。

改进的时间序列法用于边坡沉降分析与预测

运用数学模型或力学方法对变形监测数据进行分析与预测尤为必要,本文详细介绍了时间序列法中的差分自回归移动平均模型(ARIMA)、平稳性与白噪声检验、模型定阶与参数估计、模型检验与预测的过程,针对其预测的准确性会随着时间推移而降低的问题,提出了一种改进的时间序列法,通过建立一个动态的数据窗口,及时引入最新的数据信息更新计算模型参数,并对某轨道边坡工程的沉降监测数据进行了建模分析和对比预测。结果表明:改进后的方法提高了模型的预测精度,在实际工程中具有可行性和有效性。

基于时间序列分析的滑坡位移预测模型研究

结合滑坡位移监测数据,从分析滑坡位移演变规律的角度出发,将滑坡位移分解为受其自身基础地质条件控制的趋势项位移以及由外界因素如降雨、库水位变动等影响的周期项位移,应用时间序列分析方法建立滑坡位移预报模型。采用二次移动平均法分离滑坡位移的趋势项和周期项,在此基础上分别采用GM(1,1)灰色模型和自回归AR模型分别对滑坡趋势项位移和周期项位移进行预测,将计算得到的各分项位移预测值叠加即得到总位移预测值。以三峡库区八字门滑坡位移为例,分析对比实测与预测位移–时间曲线之间的关系。计算结果能够较好地体现出滑坡在外界诱发因素作用下位移的发展变化趋势,说明所建滑坡位移预测预报模型效果较好,在滑坡位移预测中是有效可行的。

基坑变形的实时建模预报时序分析方法

针对基坑变形的特点,提出了在基坑变形预测中应用实时建模预报时间序列的分析方法,并通过对上海金融中心基坑的监测资料,证明了该方法的有效性。

边坡非线性位移预测的动力系统自记忆模型

边坡位移的准确预测对于边坡稳定性评价、边坡安全状态的预警以及滑坡灾害的控制具有重要意义。将"动力系统自记忆原理"引入到边坡位移时间序列预测研究。首先将量测得到的边坡位移时序数据视为描写边坡位移非线性动力学模型的一个特解,采用双向差分原理反导出边坡位移非线性常微分方程。以此作为微分动力核,运用自记忆原理建立了边坡位移预测的自记忆模型。将该方法用于三峡永久船闸边坡和卧龙寺边坡变形预测,研究结果表明:自记忆模型对于边坡位移预测具有较高的预测精度和较强的预测多个时序步位移的能力,从而为边坡位移预测提供了一条新途径。

基于动力系统自忆性原理的地下工程围岩变形预测方法

将"动力系统自记忆原理"引入到地下工程围岩位移时间序列预测研究,以量测得到的围岩位移时序数据作为围岩非线性动力学演化模型的一个特解,采用双向差分原理反导出围岩位移非线性常微分方程。以此作为微分动力核,运用自记忆原理建立了地下工程围岩变形预测的自记忆模型、方法和预测程序。将该方法应用于广西铜坑锡矿505m中段巷道和湖北水布垭电站尾水隧洞围岩位移预测,研究结果表明:围岩位移自记忆预测模型具有较高的预测精度,对不同地下工程围岩时序曲线形态具有较强的适用性。

稳健时序分析方法及其在边坡监测中的应用

本文将稳健估计方法引入时间序列建模,提出了基于稳健估计的自回归建模方法。采用某实测边坡两个监测点连续30期数据对该方法进行了验证计算与分析,结果表明当监测序列没有异常值时,稳健与常规自回归模型的预报精度相当;而当监测序列含有少量异常值时,稳健比常规自回归模型的预报精度有较明显的提高。

库水位响应滞后影响下的滑坡位移预测模型研究

滑坡的位移变化不仅与其地质环境有关,还取决于外界诱发因素的动态变化,如降雨和库水位变化。本文以白家包滑坡监测数据为依据,对滑坡诱发因素与滑坡位移变化之间的影响关系进行了综合分析,并选取月降雨量与库水响应滞后影响下的库水位月平均变化量为诱发因子,采用时间序列分析方法,通过构建差分自回归移动平均(ARIMA)模型,对该滑坡的位移进行了动态预测。结果表明:该模型可以较好地反映滑坡位移在外界诱发因素影响下的动态变化,可有效提高模型预测精度,且简单易行,为判断滑坡的动态变化提供了可靠的理论依据。

非线性组合模型在库岸边坡地下水位预测中的应用

根据某库岸边坡地下水位的监测资料,建立了地下水位预测的时间序列法和速率分析法,在此基础上构建了非线性组合预测模型。各模型的预测结果分析表明:非线性组合模型的精度高于单一预测模型,是一种较好的库岸坡体地下水位预测方法,非线性组合预测模型的应用,为库岸边坡稳定性的长期预测提供创造了条件。

边坡非线性位移的分段最小二乘-时间序列分析

利用最小二乘法对位移时间序列进行分段拟合以提取时间序列的趋势项,从而将非稳定时间序列稳定化,对去除趋势项的稳定时间序列即残差进行常规AR(p)时序分析。结合滚动预测方法,建立边坡失稳预测的叠合模型,以长江三峡某边坡为例,对该模型进行的检验表明:新模型的预测精度较高、实时可靠。

基于Matlab的时序数据两种建模和预测方法比较

利用Matlab工具箱,对时序数据进行了两种不同形式的建模和预测。一是利用系统辨识方法来建立AR模型,利用所建模型进行预测；二是利用单隐层BP神经网络,对数据进行非线性拟合和预测。通过可视化,比较了两种方法的优劣。

基于时序分析的边坡变形预报与变形行为特征

把数理统计软件Eviews引入岩土工程领域,对东明矿J2边坡监测点高程监测数据分别建立双对数模型、指数模型、线性模型、三阶多项式模型进行回归分析,找出物理量随时间变化的规律,然后通过相关统计学及力学假设,依托现有实测工程数据,建立时序模型并优化之,将经典ARMA模型推广到ARIMA模型,提高了拟合和预测精度;依据所建模型给出位移预报曲线,并探讨了边坡变形行为特征,对揭示边坡系统变形规律,选取最优防护体系具有指导意义,为工程数据分析和数值模拟提供了新思路.

广义多元时变序列分析方法

提出一种广义多元时变AR(autoregression)模型,并建立广义多元时变AR模型参数函数估计方法。该方法首先求得时间序列的均值函数,将广义多元时变AR模型转换为零均值多元时变AR模型,并通过谱分析和多点平均方法得到时变参数的函数形式,再分别采用最小二乘和极大似然法确定其中的待定参数。从而将一个复杂的时变问题转变为相对简单的时不变问题进行处理。该方法可广泛应用于气象、通信、自动控制、结构响应分析、故障诊断、经济分析等领域。

厚表土层井壁工程实测附加应变时序分析

针对某矿主井井壁工程实测附加应变序列,建立了两类异常值模型,并运用自行设计的井壁应变处理软件对其进行了预处理,在此基础上对附加应变序列进行了ARMA和AR模型的时序分析和预报,预报结果能很好的反应附加应变的发展规律,为井壁的安全评价提供了必要依据。这一方法可以在类似矿井井壁工程实测附加应变处理分析中推广应用。

时间序列分析在电力系统暂态稳定预测中的应用

提出利用时间序列分析快速预测多机电力系统暂态稳定性的方法。该方法采用ＡＲ时间序列模型，预测故障后发电机转子角的变化趋势，并根据所构造的转子角预测模型多项式是否存在极值作为暂稳的识别判据。仿真结果表明，本方法在不同条件下的预测结果都是准确有效的。

顾及降雨影响的动态优化时滞时序GM(1,2)模型在滑坡位移预测中的应用

滑坡体除了因自身重力产生位移外,还受到降雨的影响,但通常降雨对滑坡位移的作用具有滞后性。为了分析并预测降雨对滑坡位移的影响,本文提出一种顾及降雨影响的动态优化时滞时序GM(1,2)滑坡位移预测模型。首先,利用经验模态分解(EMD)分解位移序列并通过时间序列重构得到周期位移序列和趋势位移序列,对降雨数据和滑坡周期位移序列进行时滞分析和相关分析,确定时滞时间和影响程度,建立基于背景值优化的动态时滞GM(1,2)模型预测降雨量变化导致的滑坡周期位移变化;然后,建立门限自回归模型预测滑坡趋于自然变化的趋势位移;最后,通过时序叠加得到顾及降雨影响的滑坡预测位移,建立了顾及降雨因素的动态优化时滞时序GM(1,2)组合预测方法。本文以福宁高速公路八尺门滑坡和秭归县八字门滑坡监测数据为例,验证了动态优化时滞GM(1,2)模型的精度,并与其他模型的预测结果进行了对比分析。试验结果表明,动态优化时滞时序GM(1,2)组合预测模型能准确地预测降雨影响导致的滑坡位移变化,预测效果较好,该组合模型对滑坡灾害的预警与防治具有一定的参考价值。