基于方差补偿自适应Kalman滤波的ARMA与PSO-SVM模型变形预测OA北大核心CSCDCSTPCD
The Deformation Prediction of ARMA and PSO-SVM Model Based on Variance Compensation Adaptive Kalman Filter
根据变形监测数据非线性、波动性特征及实时动态数据处理的要求,在选取方差补偿自适应Kalman滤波进行随机扰动剔除及模型误差削弱分析的基础上,采取自回归移动平均模型(ARMA)构建趋势预测值,最后通过粒子群(PSO)优化参数的支持向量机(SVM)获得误差补偿修正的ARMA模型.应用该方法对变形监测工程实例进行沉降预测,预测结果验证了该方法能较好地描述复杂环境因素下的工程实际变形量,对工程预警预测有一定的参考价值.
容静;刘立龙;康昊华;李松青;周吕
广西空间信息与测绘重点实验室,桂林市建干路12号,541004桂林理工大学测绘地理信息学院,桂林市建干路12号,541004桂林理工大学广西矿冶与环境科学实验中心,桂林市雁山街319号,541006广西空间信息与测绘重点实验室,桂林市建干路12号,541004桂林理工大学测绘地理信息学院,桂林市建干路12号,541004
天文与地球科学
Kalman滤波ARMAPSO-SVM误差补偿变形预测
《大地测量与地球动力学》 2018 (7)
工程建筑物变形监测安全评价与预警响应研究
689-694,6
国家自然科学基金(41461089)广西研究生教育创新计划(YCSW2017155)广西“八桂学者”岗位专项广西空间信息与测绘重点实验室资助课题(1638025-26,15-140-07-32)江西省数字国土重点实验室开放基金(DLLJ201711).
评论