一种建筑沉降叠加预测方法

被引:9
作者
王晶晶 [1 ,2 ]
尹晖 [1 ]
机构
[1] 武汉大学测绘学院
[2] 潍坊科技学院建筑工程学院
关键词
沉降监测; ARMA; ARIMA; 沉降预报; 精度;
D O I
10.16251/j.cnki.1009-2307.2019.03.018
中图分类号
TU196.2 [];
学科分类号
0814 ;
摘要
针对高层建筑的沉降监测与趋势预报问题,结合时间序列分析方法,该文提出一种基于ARMA的趋势项和随机项叠加预测法,把沉降监测时间序列数据分解为趋势项与随机项,分别建立趋势回归函数模型与随机项ARMA模型,叠加进行沉降量的预报,并通过上海外滩某高层建筑的沉降监测实例,研究并比较了该方法与传统的ARIMA差分预测法对建筑沉降预报精度的影响。实验结果表明:基于ARMA的趋势项和随机项叠加预测法在沉降预报中精度优于基于ARIMA的差分预测法。该方法利用趋势回归函数的保持作用,克服了传统的时间序列ARIMA模型在长期预测中精度不高的问题,并且随着预测步长的增加,优势更加明显。
引用
收藏
页码:107 / 113+121 +121
页数:8
相关论文
共 18 条
[1]   超高层建筑施工过程沉降特征分析 [J].
袁长丰 ;
刘颖 ;
李聪明 ;
王臣 .
测绘科学, 2017, (07) :172-177
[2]   超高层建筑动态特性监测方法研究 [J].
王天应 ;
徐亚明 .
测绘通报, 2017, (04) :89-92+144
[3]   改进灰色人工神经网络模型的超高层建筑变形预测 [J].
段明旭 ;
邱冬炜 ;
李婉 ;
徐伟 ;
王东波 .
测绘科学, 2017, 42 (04) :141-146+183
[4]   基于Kalman-ARIMA模型的大坝变形预测 [J].
薛洋 ;
杨光 ;
许雷 .
中国农村水利水电, 2016, (12) :117-119+123
[5]   基于LSSVM-ARMA模型的复合地基沉降时间序列预测 [J].
曹净 ;
丁文云 ;
赵党书 ;
宋志刚 ;
刘海明 .
控制工程, 2016, 23 (02) :190-196
[6]   基于时间序列的变形监测数据处理方法比较研究 [J].
池其才 ;
周世健 ;
王奉伟 .
测绘与空间地理信息, 2015, 38 (07) :193-195
[7]   软土地区基坑开挖引起的浅基础建筑沉降分析 [J].
刘念武 ;
龚晓南 ;
俞峰 ;
汤恒思 .
岩土工程学报, 2014, 36(S2) (S2) :325-329
[8]   基于LSSVM-ARMA模型的基坑变形时间序列预测 [J].
曹净 ;
丁文云 ;
赵党书 ;
宋志刚 ;
刘海明 .
岩土力学, 2014, 35(S2) (S2) :579-586
[9]   时间序列分析在地铁变形监测中的应用 [J].
臧妻斌 ;
黄腾 .
测绘科学, 2014, 39 (07) :155-157
[10]   小波时间序列在地铁沉降监测中的应用 [J].
武东辉 ;
田林亚 ;
张金华 .
测绘科学, 2013, (02) :150-151+149