基于卡尔曼GM(1,1)模型的基坑变形分析研究

作者：王炳新

来源：城市勘测, 2022, (03): 146-150.

• Kalman
• GM(1,1)
• 拟合
• 预测模型

基于研究建筑物基坑变形的目的，通过结合Kalman滤波和GM(1,1)灰色模型数据处理方法，致力于提高灰色GM(1,1)模型的抗扰动性和预测精度，通过建立3种分析预测数学模型实验，分别为灰色模型GM(1,1)、Kalman滤波预测模型，以及基于Kalman滤波的GM(1,1)模型，分别对同一基坑监测点的多期监测数据进行拟合和预测，通过与原测数据对比分析模型残差，得出了基于Kalman滤波的GM(1,1)模型精度优于其他模型的实验结果，证明了此方法能更有效提高了变形预测精度，能有效减小观测噪声的影响，验证了本文方法在模型拟合及预测精度方面的可靠性。