时空自回归模型在大坝变形分析中的应用

李广春; 戴吾蛟; 杨国祥; 刘斌

doi:10.13203/j.whugis20130549

时空自回归模型在大坝变形分析中的应用

李广春^1,2,
戴吾蛟^1,2,,
杨国祥³,
刘斌^1,2

¹中南大学测绘与遥感科学系,湖南长沙,410083;²湖南省精密工程测量与形变灾害监测重点实验室,湖南长沙,410083³五凌电力有限公司,湖南长沙,410004

基金项目: 国家973计划资助项目(2013CB733303)

详细信息

作者简介:
李广春,硕士生,现从事变形监测与分析方向研究。

通讯作者:
戴吾蛟,博士,副教授。

中图分类号: P258
计量
- 文章访问数: 1789
- HTML全文浏览量: 112
- PDF下载量: 6667
出版历程
- 收稿日期: 2013-10-07
- 修回日期: 2015-07-04
- 发布日期: 2015-07-04

Application of Space-Time Auto-Regressive Model in Dam Deformation Analysis

¹DepartmentofSurveyingEngineering&Geo Informatics,CentralSouthUniversity,Changsha410083,China;²KeyLab.ofPreciseEngineeringSurveying&DeformationDisasterMonitoringofHunanProvince,Changsha410083,China;³WulingPowerCorporation,Changsha410004,China

Funds: TheNationalBasicResearchProgramofChina(973Program),No.2013CB733303.

More Information

Author Bio:
LI Guangchun: LIGuang chun,postgraduate,specializesindeformationmonitoringandanalysis.

Corresponding author:
DAI Wujiao: DaiWujiao,PhD,associateprofessor.

摘要

摘要: 变形监测分析的模型与方法主要是针对单点时序的分析,建立大坝位移自回归模型可实现大坝位移预测预报,但传统自回归模型都是针对单测点进行的,这意味着需要对所有的测点进行建模,将会造成大量模型冗余.而大坝作为一个整体结构,测点间的位移在空间上是相互关联的。单点自回归模型并未考虑着这种相关性,为了考虑测点间的这种空间相关性并建立统一的模型,本文采用时空自回归方法对五强溪大坝位移监测数据进行整体分析,建立了大坝位移的时空自回归模型。通过对大坝引张线测点的建模与预测分析,结果表明时空自回归模型在时间和空间上都可以对位移监测数据序列进行较好的拟合与预测。
- 时空相关性 /
- 时空自回归模型 /
- 变形分析
Abstract: Modelsandmethodsofanalysisfordeformationmonitoringarealwayssetforthetimeseriesdataofonemonitoringpoint.Anauto regressivemodelcanbeusedformodelingdamdeformationtoforecastthedisplacement.Inthetraditionalmethod,itisnecessarytoestablishtheauto regressivemodelforeverymonitoringpoint.Tosomeextent,thetraditionalmethodhastomodeldifferentmod elsforeverymonitoringpointonthedamwhichmakeusdothesamethingmanytimes.However,asawholestructure,monitoringpointsonadamarerelatedtoeachother.Thetraditionaltimeauto re gressivemodeldoesnotconsidertherelationshipbetweendifferentmonitoringpointsonthedam.Toconsiderthespatialcorrelationbetweenmeasuringpointsandtherebyestablishaunifiedmodel,aspace timeauto regressivemethodisusedtomodelthedisplacementsoftheWuqiangxidam.Space timeauto regressionisjustusedonceforallthemonitoringpointsonthedamwhichsavetimeofpro cessingspace timeseries.Byanalyzingandforecastingthehorizontaldisplacementsofthedam,ourtestresultsshowthataspace timeauto regressivemodelcanbeusedforfittingandforecastingdis placementseriesbothinthetemporalandspatialdomains.
- temporalandspatialcorrelation /
- space timeauto regressivemodel /
- deformationanalysis

HTML全文

参考文献(1)

[1]

HuangShengxiang,YinHui,JiangZheng.De formationMonitoringDataProcessin[M].Wuhan:WuhanUniversityPress,2010(黄声享,尹晖,蒋征.变形监测数据处理[M].武汉:武汉大学出版社,2010)[2] ShangYuequan,SunHongyue,ZhaoFusheng.ARMAModelAnalysisofLandslideDeformation[J].犆犺犻狀犲狊犲犑狅狌狉狀犪犾狅犳犌犲狅狋犲犮犺狀犻犮犪犾犈狀犵犻狀犲犲狉犻狀犵，2000,22(5):628 629(尚岳全,孙红月,赵福生.滑坡变形动态的自回归模型分析[J].岩土工程学报,2000,22(5):628 629)[3] ChenYongqi,WuZi’an,WuZhongru.Deforma tionMonitoringAnalysisandPrediction[M].Bei jing:SurveyingandMappingPress,2003(陈永奇,吴子安,吴中如.变形监测分析与预报[M].北京:测绘出版社,2003)[4] YinHui.ReviewoftheMethodtoDeformationA nalysisandPrediction[J].犖狅狉狋犺犲犪狊狋犛狌狉狏犲狔犻狀犵犪狀犱犕犪狆狆犻狀犵，２０００，２３（１）：１０１３（尹晖．变形分析与预报方法综述［Ｊ］．东北测绘，２０００，２３（１）：１０１３）[5] WangJiaqiu,DengMin,ChengTao,etal.Space TimeSeriesDataAnalysisandModeling[M].Bei 李广春等:时空自回归模型在大坝变形分析中的应用jing:BeijingScientificPress,2012(王佳趚,邓敏,程涛,等.时空序列数据分析和建模[M].北京:科学出版社,2012)[6] WutsqaDU,Suhartono,SutijioB.GeneralizedSpace TimeAutoregressiveModeling[C].ICM SA2010,KualaLumpur,2010[7] WuChao,LuChao,HanYingduo,etal.Low fre quencyOscillationModeNoise SignalRecognitionwithModelOrdering[J].犃狌狋狅犿犪狋犻狅狀狅犳犈犾犲犮狋狉犻犮犘狅狑犲狉犛狔狊狋犲犿狊，２００９，３３（２１）：１５（吴超，陆超，韩英铎,等.计及模型定阶的低频震荡模式类噪声信号识别[J].电力系统自动化,2009,33(21):1 5) AnalysisinEngineeringApplication(SecondEdi tion)[M].Wuhan:HuazhongUniversityofScience&TechnologyPress,2007(杨叔子,吴雅,轩建平.时间序列分析的工程应用(第二版)上册[M].武汉:华中科技大学出版社,2007)[9] TerziS.MaximumLikelihoodEstimationofaGen eralizedStar(犘；犔）Ｍｏｄｅｌ［Ｊ］．犐狋犪犾犛狋犪狋犻犮犛狅犮，1995:377 393[10] LiuDajie,TaoBenzao.PracticalMethodsforSur veyingDataProcessing[M].Beijing:SurveyingandMappingPress,2000(刘大杰,陶本藻.实用测量数据处理方法[M].北京:测绘出版社,2000)[8] YangShuzi,WuYa,XuanJianping.TimeSeries