科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对含噪声沉降监测数据波动性大、离散性强,难以直接用于沉降趋势预测和稳定性状态评估,以及传统预测模型参数无法随实测数据更新而可变自适应等问题,提出了基于卡尔曼滤波与指数平滑法融合模型(简称KF-ES融合模型)的沉降预测新方法。该方法的思路是:首先,运用卡尔曼滤波对原始沉降数据进行三次滤波降噪处理;然后,将卡尔曼滤波一次、二次和三次处理值对应替换指数平滑法一次、二次、三次平滑值,卡尔曼滤波增益系数替换三次指数平滑系数;最后,采用替换后的平滑值和平滑系数计算三次指数平滑法的模型参数,建立预测模型并外推预测。实例检验结果表明,KFES融合模型能显著减弱沉降数据中含有的随机噪声干扰,具有自适应性强、预测实时性好等优点,适合短期动态预测。
- 单位
