一种改进预测模型在高铁变形分析中的应用

• 作者: 赵云强
• 来源期刊: 铁道勘察
• 学科: 交通运输
• 关键词: 方差补偿自适应卡尔曼滤波 GM(1,1)模型 AR模型 高铁沉降监测
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 中国铁路设计集团测绘技术论文专辑
• 页码范围: 68-72
• 页数: 5页
• 分类号: U231.3|P224
• 语种: 中文
• DOI: 10.19630/j.cnki.tdkc.202007230002

摘要

在高铁变形分析中,为了解决经典卡尔曼滤波消除随机误差干扰能力较弱,以及GM(1,1)和AR等单一变形监测预测模型难以满足工程分析需求等问题,提出了一种基于方差补偿自适应卡尔曼滤波的GM-AR模型.首先采用方差补偿自适应卡尔曼滤波算法,对原始观测数据进行消噪处理,去除其中的误差干扰项,获得变形体实际有效的变形量;然后采用GM(1,1)和AR时序模型,对原始监测数据中普遍存在的趋势项和随机项进行建模组合,以此来预测变形体的变形趋势.工程实例表明:方差补偿自适应卡尔曼滤波的信噪比与均方差为经典卡尔曼滤波的136.7％和94.6％,故更符合实测值;相较于单一的GM(1,1)模型和GM(1,1)-AR模型,基于方差补偿自适应卡尔曼滤波的GM-AR模型预测值变化曲线更接近实测值变化曲线,且平均残差、平均绝对误差、残差方差分别为GM(1,1)模型和GM(1,1)-AR模型的6.4％、6.0％、0.5％、17.6％、13.1％、2.1％,预测结果更加精确.