修正的动态GM(1,1)在建筑物变形预测中的应用

• 作者: 豆红磊 龚祖官
• 来源期刊: 矿山测量
• 学科: 工学
• 关键词: 卡尔曼滤波 复化辛普森公式 动态GM(1,1)模型 建筑物 预测
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 开采沉陷
• 页码范围: 9-12
• 页数: 4页
• 分类号: TD326
• 字数: 2848字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-358X.2019.02.003

摘要

文中针对传统GM(1,1)模型在预测过程中易受到随机扰动的影响导致预测精度低、残值大的问题,提出一种同时优化原始序列和背景值的动态GM(1,1)模型.首先采用卡尔曼滤波对原始序列进行降噪,消除建模过程中因原始序列引起的扰动误差;其次采用复化辛普森公式对建模过程中的背景值进行修正,建立同时优化原始序列和背景值的GM(1,1)模型;第三对优化后的模型实时引入最新的监测数据,剔除最旧的数据,建立修正的动态GM(1,1)模型.以某建筑物监测数据为例进行计算分析,结果表明:同时优化原始序列和背景值的动态GM(1,1)模型精度优于传统GM(1,1)模型,能准确预测房屋沉降变化趋势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龚祖官		2	2	1.0	1.0
2	豆红磊	湘潭大学土木工程与力学学院	5	11	1.0	3.0