基坑变形监测不完全数据的处理方法研究与应用

发布时间：2020-08-14 09:15

【摘要】：为了保证基坑工程的正常进行,需要在施工阶段和运营阶段对工程体进行变形监测。基坑变形监测工作的关键是数据的处理,目的是变形的预测。目前,常用的数据处理方法包括多元线性回归、灰色模型、时间序列模型等单一模型,以及两个或多个单一模型之间的组合模型,但这些方法都是基于完全数据这一前提条件的。在基坑监测数据获取过程中会因人为失误导致数据缺失或不可用,造成数据的不完全。常用的不完全数据处理方法有删除法、填补法和卡尔曼滤波法,这些方法在一定程度上提高了数据处理的质量,但其自身对缺失数据填充的局限性,使得不完全数据的处理精度受到数据填充质量的限制。本文尝试把其他领域内成熟的不完全数据处理的理论和方法引进来,使这些理论和方法服务于变形监测工作。为此,本文根据数理统计领域内经典算法—EM(expectation-maximization)算法,以AR(p)模型建模中参数估计为契机,将基坑监测中获取的数据资料为研究对象,探讨了当基坑变形监测中存在不完全数据时采用EM算法的处理方法。本文针对基坑变形监测中遇到的不完全数据问题,引入EM算法,做了以下内容的研究:(1)通过现有的测量领域内常用的基坑变形监测数据处理方法,分析不完全数据下的数据处理理论和方法,探讨各种方法的适用条件和优缺点。(2)根据EM算法的原理和扩展,以及其在高斯正态分布中的适用性,结合AR(p)模型建模过程中的参数估计,分析EM算法在数据不完全情况下,相比于最小二乘法所具有的优势。(3)结合具体工程实例,通过将EM算法应用在AR(pp)模型的参数估计中,对比删除法和填补法在不完全基坑变形监测数据处理中的应用,验证EM算法的可行性,体现单一缺失数据和双重缺失数据情况下EM算法的优越性;并与完全数据下灰色-时间序列(GM-AR)组合模型和BP神经网络模型预测结果对比,验证EM算法的适用性。
【学位授予单位】：山东科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TU753
【图文】：

东科技大学硕士学位论文逦常用变形监测数据处理方法逡逑容错性等优点，使其广泛应用在基坑变形监测工作的数据处理及数据预测分析逡逑中［４｜４４］。在众多类型的神经网络中，前馈性的yL经网络占有重要地位，下面以逡逑常用的误差反向传播（Ｅｒｒｏｒ邋Ｂａｃｋ邋Ｐｒｏｐａｇａｔｉｏｎ邋）神经网络为例做介绍。逡逑．邋１．邋４．邋１邋ＢＰ神经网络的拓扑结构逡逑ＢＰ神经网络的拓扑结构由不同的层组成，各层直接存在一种关联，这种关逡逑不可跨层，层与层之间是接收与被接受信息的关系。最简单的ＢＰ神经网络结逡逑包含三个层次，其中有一层负责另两个层之间的消息传递。其各层关系如图逡逑．１所示。逡逑

Ｙ）邋＝邋ＥＺ邋［ｌｏｇ邋Ｐ（０／Ｙ，Ｚ）／０ｆ，Ｙ］逡逑＝Ｊ邋ｌｏｇ邋Ｐ（０邋／邋Ｙ，Ｚ）－Ｐ（Ｚ邋／邋０＼Ｙ）ｄＺ逡逑找一个以＋１，使得函数Ｑ（，ｅＭｉｅ＇Ｊ）邋＝邋ｍ＾Ｑ（０／ＧｉＪ）极大化条件下的参数０＇＋１值。逡逑即可形成一次迭代过程，每次迭代皆复Ｅ步和Ｍ步，直至函数收敛。一般＜Ａ或岭（０，＋，邋／Ａｒｘｐ／Ｒｒ）！＜＆骤可由以下流程图呈现出来：逡逑

图４．１邋ＡＲ模型的建模流程图逡逑Ｆｉｇ．４．１邋Ｍｏｄｅｌｉｎｇ邋ｆｌｏｗ邋ｃｈａｒｔ邋ｏｆ邋ＡＲ邋ｍｏｄｅｌ逡逑根据图４．１可将时间序列的建模过程总结为以下三个要点：逡逑要点１，对时间序列｛＜｝先进行白噪声检验，其次进行平稳性检验，这是进行逡逑建模的两个前提条件。一前以后顺序不能颠倒，必须同时满足二者条件逡逑方可进行正式的建模分析；不满足条件时，需以此先进行预处理工作。逡逑要点２，为了判定一个具有较高精度的模型方程，对模型识别和参数估计这两个逡逑过程需采用最佳的判定方法。逡逑要点３，对建立的模型还需进行最终的检验，不仅检验模型是否适用，还要检验逡逑模型的参数是否适用；若有一项不满足，仍需反复以上过程，直至通过逡逑所有检验才可做最终的序列预测。逡逑以上的建模过程不仅适用于ＡＲ序列，对ＭＡ序列和ＡＲＭＡ序列仍然适用。逡逑本文主要讨论ＡＲ序列的建模过程

【相似文献】

相关期刊论文 前10条

1 钟漫如,苗巧云,王旭;不完全数据的完全化及其模拟结果[J];数理医药学杂志;1998年01期

2 林复;;不完全数据处理—缩短热老化试验时间的一种途径[J];合成材料老化与应用;1987年01期

3 R. Clackdoyle;M. Defrise;庄天戈;;步入21世纪的断层图像重建[从不完全数据重建感兴趣区][J];生物医学工程学进展;2012年01期

4 王新;不完全数据库中关联规则的两种求估方法[J];计算机应用;2004年08期

5 杨振海,安保社;基于成败型不完全数据的参数估计[J];应用概率统计;1994年02期

6 王新,赵强;不完全数据库中的关联规则挖掘[J];云南民族大学学报(自然科学版);2005年03期

7 王晓静;王学丽;;抽样调查中的不完全数据处理研究[J];陕西科技大学学报(自然科学版);2009年02期

8 杨虎,钟震,程代杰;基于不完全数据的异常挖掘算法研究[J];计算机研究与发展;2004年09期

9 李国英;关于高维、相依和不完全数据的统计分析[J];数学进展;2002年03期

10 吴新玲;;基于不完全数据的数据挖掘方法研究[J];计算机工程与设计;2006年09期

相关会议论文 前1条

1 王传海;金星;彭博;;一种工程常见不完全数据点估计的误差分析[A];2011年全国机械行业可靠性技术学术交流会暨第四届可靠性工程分会第三次全体委员大会论文集[C];2011年

相关重要报纸文章 前9条

1 记者 闫莹莹 通讯员 王意勤;出国游人数比增300%[N];中山日报;2006年

2 佟乐;开源存储势不可挡[N];网络世界;2007年

3 邓子庆;政务要有“微信”更要有威信[N];青岛日报;2013年

4 刘照慧 旅游行业资深人士;美团大众点评合并，应引起OTA企业警惕[N];中国经营报;2015年

5 本报记者 杜静　通讯员 陈文德 颜建谋 张小玲;打造新增长点 福建发力健康服务业[N];海峡财经导报;2014年

6 孙勇;中国经济也需要一个安全排涝系统[N];证券时报;2012年

7 通讯员 杨凯 朱时杰 记者 裴姝婧;改革试点后预计整体减税31.2亿元[N];三峡日报;2016年

8 本报记者 陈莹莹;上市公司“抢滩”P2P[N];中国证券报;2015年

9 本报记者 徐文彬;“来势汹汹”的厄尔尼诺[N];中国气象报;2015年

相关博士学位论文 前2条

1 徐红霞;不完全数据下半参数回归模型的统计推断[D];浙江工商大学;2018年

2 张瀚铭;CT不完全数据重建算法研究[D];解放军信息工程大学;2017年

相关硕士学位论文 前10条

1 郭祥琳;基坑变形监测不完全数据的处理方法研究与应用[D];山东科技大学;2018年

2 李绍伟;不完全数据的工业可靠性统计推断研究[D];北京交通大学;2019年

3 王磊;基于不完全数据“单点-成组法”对Q345钢材疲劳性能的研究[D];西南科技大学;2019年

4 何亮杰;不完全数据场合指数分布的参数估计[D];西华师范大学;2018年

5 任丽梅;不完全数据的统计分析[D];西北工业大学;2004年

6 孙芳;含有不完全数据的医学诊断的敏感度与特异度分析[D];东北师范大学;2005年

7 石永雷;面向不完全数据的疲劳可靠性分析方法研究[D];天津职业技术师范大学;2016年

8 刘辉;基于不完全数据的总体参数识别界[D];东北师范大学;2007年

9 李海霞;不完全数据广义线性模型参数的极大似然估计[D];燕山大学;2009年

10 苏曦;不完全数据下指数族总体的参数估计[D];西北大学;2012年

本文编号：2792825