變形監測中數據處理方法綜述★

倪 驍 慧

(浙江聯合建工設計研究院有限公司，浙江 紹興 312000)

·測量·

變形監測中數據處理方法綜述★

倪 驍 慧

(浙江聯合建工設計研究院有限公司，浙江 紹興 312000)

以工程中變形監測所獲得的數據為研究對象，從時間序列分析法、回歸分析法、人工神經網絡法、灰色系統分析法、卡爾曼濾波法等方面，對現有常用的數據分析方法進行了介紹，并分析了各種方法的適用條件，以供參考。

變形監測，數據處理，回歸分析法，人工神經網絡法

0 引言

近年來，隨著我國綜合實力的不斷增強，在全國各地都有大量工程處于建設或運營過程中，為了更好的收集工程建設、運營過程中關鍵性的實時數據，變形監測技術得到了快速發展。這些工程構筑物在多種外荷載(力、溫度等)的共同作用下，構筑物或多或少發生一些形變，為了保證各種構筑物的變形處于安全可控范圍內，需要我們在某個特定的周期時間內，對構筑物的形狀、大小或位置變化等特征進行測量，即變形監測技術，已經形成“以監測為基礎，以分析為手段，以預報為目”的變形監測理念[1]。隨著現代科學技術的不斷發展，不僅變形監測方法及模型不斷推陳出新，而且信息科學技術等科學技術已經逐步融入監測技術中，形成了一門以多個學科為基礎、以監測、預報為目的的技術。本文主要以變形監測過程中所獲得的各類數據為研究對象，結合常用的數據處理分析思路，對時間序列分析法、回歸分析法、人工神經網絡法、灰色系統分析法、卡爾曼濾波法等處理方法進行簡述。

1 時間序列分析法

美國學者George Box和英國統計學家Gwilym Jenkins于1968年首次提出時間序列法，其基本思想是把某個時間序列作為隨機過程進行研究和描述，即假定時間序列由某個隨機過程產生，在原始數據基礎上建立一個模型，用來描述此隨機過程并進行參數估計、模型檢驗與修改，最終在已知時間序列過去值和當前值基礎上，對未來的時間序列值進行合理的預測。具體在實際工作中，由于采用監測標準與方法各不相同，按照監測過程中時間序列的特點，可以進一步將時間序列法分為離散型時間序列法和連續型時間序列法[2]。這些方法在操作過程中，都需要進行如下類似工作：周期項的提取，趨勢項的提取，平穩性檢查及正態性檢查等[3]。

2 回歸分析法

隨著數學的進步，基于統計學原理的回歸分析方法被提出，即在建立變量之間關系的數學表達式基礎上，對未知量進行預測或檢驗其變化。根據自變量是單一還是多個這一標準，常常把回歸分析法簡單分為兩大類，即線性回歸和多元線性回歸。其中，線性回歸方法為僅包含一個自變量的線性函數；多元線性回歸法則對應著多元函數關系，可以把多元線性回歸分析法視為一元線性回歸分析法的進一步拓展。其中，線性回歸分析方法在處理監測數據方面有較長的歷史，近年來，非線性回歸分析方法也有較多應用，且在很多情況下，非線性回歸分析的效果較線性回歸分析效果要更好一些。

3 人工神經網絡法

隨著腦科學的不斷發展，人類對大腦的運作原理有了一定的了解，結合計算機運算特征，提出了人工神經網絡方法。生物腦通過大量神經元，能夠同時對大量信號進行處理，基于這一特征，建立模擬神經元，以計算機為基礎來模擬生物腦的神經網絡功能就是人工神經網絡的概念。這類方法并不基于任何數學模型，只是通過大量已有數據經驗進行不斷訓練，學習辨別有效信息與無效信息的方法，從而達到對相關類似數據的分析處理，并能夠對未來數據進行預測。

4 灰色系統分析法

工程監測數據內容存在大量不確定性，屬于典型的不確定性問題，而且對某一特定工程項目，監測數據并不多，因此，工程監測的數據處理屬于典型的少數據不確定性問題。對于工程師而言，可以利用概率論及統計學相關知識解決大數據不確定性問題，但是這些理論無法用于解決少數據不確定性問題。在這種背景下，華中科技大學鄧聚龍教授提出灰色系統理論，這套理論用于解決少數據不確定性問題，因此，灰色系統理論在工程監測數據方面有較好的應用。

5 卡爾曼濾波法

數據信號處理中，存在著大量無效信息，也就是我們平時所說的噪聲，如何去除噪聲從而較高質量的提取信息中有效的信號信息，這是擺在工程師面前的一個基本問題。隨著科技的發展，工程師們考慮使用一種線性過濾特征的過濾器對信號中的噪聲進行過濾處理，對無效信息進行最大的過濾，獲得更多的有效信息，1960年科學家提出了卡爾曼濾波方法，由于該方法是由線性濾波角度提出的，因此該方法又常常被稱作最佳線性濾波法。

綜上所述，隨著科技的迅猛發展，現在處理監測數據的方法有許多種，在實際工作中應該注意各個方法的優勢和局限性，根據不同的實際情況選取較為合適的方法進行數據處理。

[1] 孔德志.工程測量[M].鄭州：黃河水利出版社,2006.

[2] 梅 紅，岳東杰．時間序列分析在變形監測數據處理中的應用[J]．現代測繪，2005(6)：65-67．

[3] PETER J，RICHARD AD.Time Series Theory and Methods[M].北京：高等教育出版社，2001.

[4] 許國輝，余春林．卡爾曼濾波模型的建立及其在施工變形測量中的應用[J]．測繪通報，2004(4)：22-25．

[5] 高雅萍．GPS變形監測網穩定性分析及自適應卡爾曼濾波除噪[D]．西安：長安大學碩士學位論文,2005.

Review of data processing method for deformation monitoring★

Ni Xiaohui

(ZhejiangJointConstructionDesignandResearchInstitute，Shaoxing312000,China)

The data obtained from the deformation monitoring in the project are taken as the research object. Some commonly used data processing methods are introduced, such as time series analysis, regression analysis, artificial neural network, gray system analysis and Kalman filtering method, so as to provide some reference for the applied conditions for ravious methods.

deformation monitoring, data processing, regression analysis, artificial neural network

1009-6825(2017)03-0204-02

2016-11-18 ★:浙江省教育廳科研項目(Y201018524)

倪驍慧(1979- )，男，工程師

TU198

A