在高层建筑沉降预测中组合模型的应用研究

论文摘要

随着城市化速度的加快,高层建筑大量涌现,高层建筑的安全问题日益突出。因此,对高层建筑进行沉降观测是非常必要的。变形监测的目的在于获得变形体的观测资料后,能够科学准确的分析变形体的变形状况,掌握变形的特征和规律,从而对变形体的变形趋势进行准确的分析并预报,为工程建设的准确抉择判断做出依据。目前,常用的变形分析预报的模型有很多,如回归分析模型、时间序列分析模型、灰色系统理论模型、卡尔曼滤波模型、人工神经网络模型、小波分析等。由于各种单一模型研究的角度不同,因此都有其自身的适用条件,都在各自的单独的一面有一定的优势。但是在实际应用中,单一模型难以将各种影响因素考虑在内,从而影响预报的结果。自从1969年Bates J.M和Granger C.W.J.首次提出组合模型预测方法以来,组合预测研究已经取得了很大进展。组合模型就是将不同的预测模型通过适当的方法组合起来,以集合单一模型的优势并克服其局限性,从而提高预测的精度。组合预测优劣跟单一模型的选择、权系数、组合方法都息息相关。由于时间序列分析模型对于随机误差项的预报精度较高,而灰色系统理论模型在建筑物的变形趋势预测方面又有很大的优势,故时间序列分析模型与灰色系统理论模型的组合将是一种很好的组合模型。对组合模型的可行性也有很多学者对此做了研究。本文将以某一师范大学3号住宅楼的实测沉降数据为基础,探讨时间序列分析模型与灰色系统理论模型的组合在工程应用中的可行性。即本文先分别用时间序列分析模型和灰色系统理论模型对数据进行处理并分析预报的结果,后用二者的组合模型进行预报并分析预报的结果,再将三者的处理结果进行分析比较,得出组合模型优越于单一模型的结论。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 变形监测的内容
• 1.2 变形监测的目的和意义
• 1.3 变形监测经典数据处理方法与研究状况
• 1.4 组合模型的研究现状及发展
• 1.5 问题的提出与本文研究的内容
• 1.5.1 问题的提出
• 1.5.2 本文研究的内容
• 1.5.3 本文的组织结构
• 1.6 本文变形数据序列的选择与数据的来源
• 1.6.1 变形数据序列的选择
• 1.6.2 本文的数据来源
• 第二章 时间序列模型理论
• 2.1 时间序列的基本概念及特点
• 2.2 时间序列分析
• 2.3 平稳时间序列分析的基本模型
• 2.3.1 自回归模型（AR（n））
• 2.3.2 滑动平均模型（MA（m））
• 2.3.3 自回归滑动平均模型（ARMA（n,m））
• 2.4 时间序列的建模步骤
• 2.5 时间序列的平稳性检验
• 2.6 时间序列的零均值化与平稳化
• 2.7 ARMA模型的特性
• 2.7.1 自相关函数
• 2.7.2 偏相关函数
• 2.8 模型的识别与初步定阶
• 2.9 时间序列模型精确定阶
• 2.10 模型参数估计
• 2.10.1 自回归模型（AR（n））的参数估计
• 2.10.2 滑动平均模型（MA（m））的参数的矩估计
• 2.10.3 自回归滑动平均模型（ARMA（n,m））模型参数的矩估计
• 2.11 平稳时间序列模型的检验
• 2.12 平稳时间序列预测
• 2.12.1 条件期望预测
• 2.12.2 模型的改进
• 2.13 工程实例
• 2.14 本章小结
• 第三章 灰色模型理论
• 3.1 灰色系统理论的基本概念
• 3.2 灰色系统理论模型
• 3.3 灰色模型数据
• 3.3.1 灰色模型数据长度的选择
• 3.3.2 灰色模型数据的生成
• 3.4 灰色模型的建立
• 3.4.1 灰色微分方程
• 3.4.2 GM（1,1）建模步骤
• 3.5 GM（1,1）模型的检验
• 3.6 GM（1,1）模型的改进
• 3.6.1 新信息模型
• 3.6.2 新陈代谢模型
• 3.6.3 GM（1,1）加权模型
• 3.7 工程实例分析
• 3.8 本章小结
• 第四章 组合模型及其在高层建筑沉降预测中的应用
• 4.1 组合预测模型概述
• 4.2 子模型的选择
• 4.3 时间序列分析与灰色系统理论的组合预测模型
• 4.4 组合模型的建立步骤
• 4.5 组合模型的分类
• 4.6 组合模型的方法
• 4.7 组合模型预测效果检验
• 4.8 工程实例分析
• 4.9 组合模型的MATLAB编程实现
• 4.10 本章小结
• 第五章 总结与展望
• 5.1 本文总结
• 5.2 展望
• 致谢
• 参考文献
• 附录A