您好, 访客   登录/注册

基于回归分析的沉降观测数据处理方法

来源:用户上传      作者:

  摘要:沉降观测数据是一组基于时间观测得到的数据,工程上通过对沉降观测数据的分析来获得被观测物沉降变化。本文采用基于回归分析的方法对沉降观测数据进行处理,并预测沉降稳定性,取得了很好的实际效果。
  关键词: 沉降观测 数据处理 回归分析
  Abstract : The deformation measurement observation data is required by a repetitive, strong continuity of the work. The deformation of building and structure is recorded by the deformation measurement .in this paper,settlement observation of the basic data processing method is based on observation period and proximity Settlement.the result of analysis is provedeffective。
  Keywords : Deformationobservation Data Processing regression analysis
   中图分类号:C37 文献标识码:A
  1.引言
  建筑物沉降观测数据序列,具有趋势变化和随机变化特点[1]。通过对沉降观测数据的分析,可以预测建筑物未来沉降的趋势,
  但由于观测数据非常有限,影响观测的因素很多,有时难于控制。对于某个特定的数据序列,有时很难建造特别适合的模型。有些数学模型对有限的观测数据符合很好,但是会得出错误的预测信息。本文中采用回归分析方法对沉降观测数据进行处理,并预测沉降观测趋势,取得了较好的效果。
  2.观测的实施
  沉降观测中有重要的“五固定”原则: 1.基准点、工作点固定;2.设备要固定;3.人员要固定;4.观测时的环境条件基本一致;5.观测方法要固定。这些措施都是为了保证观测所得到的数据尽可能地剔除掉非观测因素的影响,最准确获得建筑物的沉降观测数据。
  3.数据处理
  3.1概述
  数据处理是沉降观测的核心工作。本文使用Microsoft Excel作为数据处理的软件平台。利用该软件,对沉降观测的成果资料,进行整理和对沉降量作初步分析及预报,同时绘出沉降曲线图。
  3.2时间系列的回归分析
  数据处理应对观测成果进行计算、分析。分析沉降的过程,对引进沉降的物理、几何因素进行分析和解释,预报沉降趋势。本文采用基于时间系列的一元非线性回归分析法。
  先建立1个时间系列,以时间变化为自变量,累积沉降量为因变量,累积沉降量等于每次观测高程减去初次观测高程。这里面隐含对数据进行一次初步处理,抵消了部分系统误差。一般取时间以日为单位,累积沉降量舍去前面不变的数位以毫米为单位,并假设所有观测值都是等权的。之后对该时间数据序间进行自回归运算。
  沉降数据处理较为常用的回归分析数学模型为多元非线性函数,如对数函数和双曲线函数等。实际上沉降数据序列是一个高度自相关序列,文献[2]提出了建立在趋势项模型和随`机项模型之上的综合模型。
  实际上,建筑沉降过程是在多种因素综合影响下的复杂沉陷变化过程,有时难以进行具体的模型化描述。本文使用的自相关时间系列避免了对外界因素进行量化研究,使函数关系变成一元非线性函数,并且在数据不完整情况下也能的得到较高的拟合精度和预测能力。这在实际应用中有较强优势。
  应该指出的是,建立准确可靠的分析模型需要在实践过程中对模型进行反复的检验校准,即便模型准确,也是针对某一局部而言。
  本文介绍的项目沉降观测常规项目正常施工情况下,荷载几乎均匀增加,沉降是一定存在并且有一定规律。笔者采用一种简化了的递推函数[Pearson IV],它可以较好地适应一些沉降观测数据的分析(这里的较好是指在广义最小二乘法下估值的误差均方差较小)[2]。
  y=a+b(1+n2)-eexp(-f(atan(n)+atan(f/(2e))))/(1+f2/(4e2))-e n=(x-df/(2e)-c)/d
  式1. [Pearson IV]
  (式中exp()和atan()是指计算机编程中自然指数函数和反正切函数,a、b、c、d、e是参数,n是1个中间变量)
  4.实际应用
  深圳市档案中心项目位于深圳市福田区凯丰路西侧,在建建筑物包括:北侧主楼两幢(24层):分别为深圳市档案中心的一期库房、二期库房;南侧辅楼两幢(5~6层):包括技术业务用房、公共服务区(包含查询利用、展览、培训、文档服务及交通连廊)、办公业务用房(包含档案馆、地方志馆及进驻单位办公业务用房)、配套用房(包括物业管理用房、食堂等)、设备用房。建有地下车库,总用地面积为18517.61 m2,总建筑面积(不含核增)120348m2,核增建筑面积4390 m2。
  4.1监测点布置:
  基准网点3个;两座24层建筑,共布设监测点12个;一座5层建筑,布设监测点6个;一座6层建筑,布设监测点4个。
  4.2观测频率:
  施工过程中从第一层起每层监测一次,封顶后每月一次,封顶半年后每三个月一次,监测时间至2013年6月。
  时间系列回归分析是在统计软件SYSTAT 公司的TableCurve 2D v5.01上做的[3]。函数为[Pearson IV]。最大预测残差出现在第10期。
  
  
  表1.统计分析数据表
  
  
  
  
  表2.预测数据及残差表
  
  5.结语
  本文中提出的基于时间系列一元非线性回归分析,可以较准确地预测沉降。但在实际工程中,沉降的主要影响因素各有不同,在具体的工程项目中,要综合考虑沉降的主要因素,选择适当的数学模型,才能较为准确地预测沉降趋势。
  参考文献
  [1] 黄声享. 建筑变形观测数据处理武汉大学出版社,2003.1
  [2] 徐国亮 机动目标跟踪算法 情报指挥控制系统与仿真技术 2002年第8期
  [3] 石双忠 高次差法求解时间序列中趋势项的方法研究及其应用 现代测绘 2004年第1期

转载注明来源:https://www.xzbu.com/2/view-4785948.htm