大坝变形时间序列的奇异谱分析

doi:10.13474/j.cnki.11-2246.2018.0281

测绘通报 ›› 2018, Vol. 0 ›› Issue (9): 64-68.doi: 10.13474/j.cnki.11-2246.2018.0281

大坝变形时间序列的奇异谱分析

李世友, 王奉伟, 沈云中

同济大学测绘与地理信息学院, 上海 200092

收稿日期:2017-10-09 出版日期:2018-09-25 发布日期:2018-09-29
作者简介:李世友(1993-),男,硕士生,主要研究方向为GNSS变形监测。E-mail:1633295@tongji.edu.cn
基金资助:
国家自然科学基金（41731069；41474017）

Singular Spectrum Analysis for Dam Deformation Time Series

LI Shiyou, WANG Fengwei, SHEN Yunzhong

College of Surveying and Geo-Information, Tongji University, Shanghai 200092, China

Received:2017-10-09 Online:2018-09-25 Published:2018-09-29
Contact: 沈云中。E-mail:yzshen@mail.tongji.edu.cn E-mail:yzshen@mail.tongji.edu.cn

摘要/Abstract

摘要：

为了研究大坝变形规律并分析其影响因子，利用奇异谱分析（SSA）提取大坝变形时间序列的趋势和周期分量，并分析各分量与时效、温度和水位因子的关联性。通过分析某大坝实测数据，发现大坝存在徐变和周期性弹性形变。其中，徐变即趋势项，主要与时效因子有关；弹性形变对应的周期项主要与温度和水位的周期变化有关，且温度因子与弹性形变的相关性明显大于水位因子。利用提取的趋势和周期项对大坝变形时间序列进行拟合并预测，其拟合和预测误差分别为0.52和0.24 mm；若采用传统的多元线性回归模型进行拟合和预测，其误差则分别为0.81和0.57 mm。这表明奇异谱方法的拟合和预测精度均优于多元回归法，能够更准确地预测大坝变形。

关键词: 奇异谱分析, 大坝变形分析, 变形预测

Abstract:

In order to study the properties of dam deformation and corrsponding influence factors,we extract the trend and periodic components of deformation series by singular spectrum analysis(SSA).The correlation coefficient between the components and the aging,temperature and water level factors are calculated.Experimental results show that the dam has creep and periodic elastic deformation.Among them,the creep is mainly related to the time efficiency factor.The periodic elastic deformation is mainly related to the period of temperature and water level factors.Besides,the contribution of the temperature factor to the elastic deformation is greater than the water level factor.The deformation series of the dam are fitted and predicted by the trend and period of extraction.The fitting and prediction errors are 0.52 and 0.24 mm.The traditional multiple regression model is used to fit and predict,the errors are 0.81 and 0.57 mm,respectively.The results show that in this study the singular spectrum analysis can predict the dam deformation more accurately than traditional multiple linear regression method.

Key words: singular spectrum analysis, dam deformation analysis, deformation prediction

中图分类号:

P258

李世友, 王奉伟, 沈云中. 大坝变形时间序列的奇异谱分析[J]. 测绘通报, 2018, 0(9): 64-68.

LI Shiyou, WANG Fengwei, SHEN Yunzhong. Singular Spectrum Analysis for Dam Deformation Time Series[J]. 测绘通报, 2018, 0(9): 64-68.

参考文献

[1] 黄声享,尹晖,蒋征.变形监测数据处理[M].武汉:武汉大学出版社,2003.
[2] 詹新武.独立分量分析理论及其在变形监测数据处理与分析中的应用研究[D].长沙:中南大学,2014.
[3] 马能武.大坝监测资料动平均灰色模型分析方法的研究[J].河海大学学报,1997(1):118-120.
[4] 何勇兵.多变量灰色预测模型在大坝安全监测中的应用[D].杭州:浙江大学,2003.
[5] 徐培亮.应用时间序列方法作大坝变形预报[J].武汉测绘科技大学学报,1988,13(3):23-31.
[6] 赵亮,兰孝奇,潘文琪,等.基于时间序列的大坝早期变形预测[J].水利与建筑工程学报,2012,10(3):76-78.
[7] 刘波,张斌,喻佳,等.基于多元线性回归模型的大坝变形预报研究[J].人民长江,2010,41(20):53-55.
[8] 陈伟.遗传算法与神经网络在大坝安全监测中的应用研究[D].西安:长安大学,2009.
[9] 戴波,陈波.基于混沌的大坝监测序列小波RBF神经网络预测模型[J].水利水电技术,2016,47(2):80-85.
[10] 王新洲,范千,许承权,等.基于小波变换和支持向量机的大坝变形预测[J].武汉大学学报(信息科学版),2008,33(5):469-471.
[11] BROOMHEAD D,KING G.Extracting Qualitative Dynamics from Experimental Data[J].Physica D Nonlinear Phenomena,1986,20(2):217-236.
[12] VAUTAR R,GHIL M.Singular Spectrum Analysis in Nonlinear Dynamics,with Applications to Paleoclimatic Time Series[J].Physica D Nonlinear Phenomena,1989,35(3):395-424.
[13] 吴洪宝.奇异谱分析——最大熵预报方法[J].甘肃气象,2000(1):1-5.
[14] 徐克红,程鹏飞,文汉江.太阳黑子数时间序列的奇异谱分析和小波分析[J].测绘科学,2007,32(6):35-38.
[15] SHEN Y,PENG F,LI B.Improved Singular Spectrum Analysis for Time Series with Missing Data[J].Nonlinear Processes in Geophysics,2015,22(4):371-376.
[16] SCHOELLHAMER D.Singular Spectrum Analysis for Time Series with Missing Data[J].Geophysical Research Letters,2001,28(16):3187-3190.
[17] 李小奇,岳顺,岳东杰.基于奇异谱分析和蒙特卡洛方法的桥梁索塔变形GPS监测数据处理[J].勘察科学技术,2014(4):24-27.
[18] 向华琦.基于时间序列分析法的大坝变形监测数据分析研究[D].杨凌:西北农林科技大学,2012.

大坝变形时间序列的奇异谱分析

Singular Spectrum Analysis for Dam Deformation Time Series

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 7

编辑推荐

Metrics

本文评价

[1]	钱炜, 岳建平. MSSA在GPS坐标序列分析中的应用[J]. 测绘通报, 2021, 0(9): 49-52,63.
[2]	鲁小红. 最优权组合预测法在采煤沉陷变形预测中的应用[J]. 测绘通报, 2020, 0(4): 111-115.
[3]	姜刚, 李举, 陈盟, 周佳薇. 灰色-小波神经网络支持下对地铁工程沉降变形的预测[J]. 测绘通报, 2019, 0(5): 60-63.
[4]	朱少林, 岳东杰, 陈健, 汤同旭, 章媛. 北斗系统星源伪距偏差特性分析及改正[J]. 测绘通报, 2019, 0(3): 11-15,26.
[5]	甘祥前, 任超, 刘林波, 刘中流, 杨庆. 一种基于MTLS优化的非等间距多点灰色变形预测模型[J]. 测绘通报, 2018, 0(11): 121-125.
[6]	黄凯, 陈渠森, 鞠博晓. GNSS自动化监测系统的大坝变形预测方法研究[J]. 测绘通报, 2018, 0(1): 147-150.
[7]	杨金显, 李志鹏. MIMU信号下的变形预测[J]. 测绘通报, 2015, 0(10): 57-59,68.