基于ARIMA模型的边坡变形分析与预测

doi:10.13474/j.cnki.11-2246.2019.0197

测绘通报 ›› 2019, Vol. 0 ›› Issue (6): 112-116.doi: 10.13474/j.cnki.11-2246.2019.0197

基于ARIMA模型的边坡变形分析与预测

胡波, 谭涵

重庆市勘测院, 重庆 400000

收稿日期:2018-12-18 修回日期:2019-02-12 出版日期:2019-06-25 发布日期:2019-07-01
作者简介:胡波(1987-),男,博士,高级工程师,主要从事精密工程测量及信息化、变形数据处理与分析等研究工作。E-mail:hubo@cqkcy.com
基金资助:
重庆市社会事业与民生保障科技创新专项（cstc2017shms-zdyfX0057）

Slope deformation analysis and forecast based on ARIMA model

HU Bo, TAN Han

Chongqing Survey Institute, Chongqing 400000, China

Received:2018-12-18 Revised:2019-02-12 Online:2019-06-25 Published:2019-07-01

摘要/Abstract

摘要：

详细论述了时间序列分析中的平稳性分析、模型识别、模型评价和模型预测的过程，建立自回归滑动平均求和（ARIMA）模型对2016年6月29日-2017年10月4日共计461 d的边坡监测数据进行时间序列分析和预测。结果显示：利用ARIMA模型对边坡观测数据进行时间序列分析具有可行性，并能取得较好的效果，研究成果可为工程施工和防灾减灾提供技术参考。

关键词: ARIMA模型, 时间序列, 边坡监测, 变形分析

Abstract:

In this paper, the process of stability analysis, model recognition, model evaluation and model prediction in time series analysis is discussed in details. The ARIMA model is established to analyze and forecast the 461 days slope monitoring data from June 29, 2016 to October 4, 2017. The analysis shows that it is feasible to use ARIMA model to analyze the time series of slope observation data and can get a reliable results. The study provides a reference for engineering construction and disaster prevention and mitigation.

Key words: ARIMA model, time series, slope monitoring, deformation analysis

中图分类号:

P258

胡波, 谭涵. 基于ARIMA模型的边坡变形分析与预测[J]. 测绘通报, 2019, 0(6): 112-116.

HU Bo, TAN Han. Slope deformation analysis and forecast based on ARIMA model[J]. 测绘通报, 2019, 0(6): 112-116.

参考文献

[1] CRYER J D, CHAN K S. 时间序列分析与应用:R语言[M]. 潘红宇,译. 2版. 北京:机械工业出版社,2011.
[2] 王卫, 杨志强, 杨建华, 等. 变形观测数据时间序列建模中的几个问题[J]. 地球科学与环境学报, 2008, 30(2):214-217.
[3] 梅红, 岳东杰. 时间序列分析在变形监测数据处理中的应用[J]. 现代测绘, 2005, 28(6):14-16.
[4] 杜传阳, 郑东健. 基于RVM的大坝变形监测时间序列非线性预警模型[J]. 水电能源科学, 2015(7):89-91.
[5] 罗静, 杨书, 张强,等. 时间序列ARIMA模型在艾滋病疫情预测中的应用[J]. 重庆医学, 2012, 41(13):1255-1256.
[6] 杨柳, 岳建平.时变参数模型在边坡变形分析中的应用研究[J].测绘通报,2010(3):21-23.
[7] 石双忠.基于小波技术的时序分析法用于GPS监测数据处理的研究[D].南京:河海大学,2004.
[8] 田鹏,杨松林,王成龙.基于小波消噪的时序分析改进法在GPS变形监测中的应用[J].测绘科学,2005,30(6):55-56,66.
[9] 唐争气,谭志强.灰色时序组合模型在基坑监测中的运用[J].测绘工程,2014,23(2):49-53.
[10] 张正虎,袁孟科,邓建辉, 等.基于改进灰色-时序分析时变模型的边坡位移预测[J].岩石力学与工程学报,2014,33(S2):3791-3797.
[11] 隋铭明,陈健,史玉峰.时间序列分析与频谱分析联合用于变形监测分析与预报[J].工程勘察,2011,39(11):77-80.
[12] 吴芸芸,左廷英,朱建军.时间序列分析在变形监测中的应用[J].工程勘察,2012,40(1):69-72.
[13] 李广春,戴吾蛟,杨国祥,等.时空自回归模型在大坝变形分析中的应用[J].武汉大学学报(信息科学版),2015,40(7):877-881.
[14] 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(9):64-68.
[15] 李秀海.桥梁变形的AR预报模型研究[J].测绘通报,2009(5):46-48.

基于ARIMA模型的边坡变形分析与预测

Slope deformation analysis and forecast based on ARIMA model

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	时梦杰, 陶庭叶, 高飞, 李江洋, 陈皓. 雾天环境下机器视觉的边坡监测方法[J]. 测绘通报, 2022, 0(6): 88-92.
[2]	万忠明, 王亚文, 范子义. 无人机倾斜摄影技术在边坡监测中的应用[J]. 测绘通报, 2022, 0(6): 170-172.
[3]	熊常亮, 贺小星, 马下平, 付杰. 联合LMD与EMD的GNSS站坐标时间序列去噪方法[J]. 测绘通报, 2022, 0(2): 78-82.
[4]	李军, 桑潇, 张成业, 赵伟, 刘新华, 王宏鹏, 王金阳, 李佳瑶, 杨颖. 资源型城市长时间序列土壤含水量变化分析——以锡林浩特市为例[J]. 测绘通报, 2021, 0(7): 17-22,38.
[5]	陈安平, 谭远模, 阳成, 覃永基. 雷达技术支持下的福州市地铁沿线形变监测[J]. 测绘通报, 2021, 0(7): 86-91,97.
[6]	杨映新, 洪武胜, 吴曼乔. 利用Sentinel-1影像监测土地回填导致的地表形变[J]. 测绘通报, 2021, 0(6): 67-70.
[7]	杨国创, 段春磊. 联合InSAR和GNSS监测沿海地区地面沉降[J]. 测绘通报, 2021, 0(6): 76-82.
[8]	刘建军, 王嘉伟, 陈琨, 韩三琪. 时间序列回归预测模型在自动化监测中的应用[J]. 测绘通报, 2021, 0(6): 156-158.
[9]	张翰伟, 陈巍, 李建成. 基于GAMIT/GLOBK和GPS观测确定加拿大地区的冰川均衡调整导致的垂向形变[J]. 测绘通报, 2021, 0(5): 38-42.
[10]	何正枫, 张继贤, 黄国满, 盛辉军. 尼泊尔Mw7.8地震对珠峰区域内冰川形变及流速的影响[J]. 测绘通报, 2021, 0(5): 43-48,101.
[11]	孙浩然, 岳建平. 一种抑制边界效应的EMD方法及其在滑坡监测中的应用[J]. 测绘通报, 2021, 0(5): 77-80,90.
[12]	杨恒, 岳建平, 周钦坤. 利用SVM与ARIMA组合模型进行大坝变形预测[J]. 测绘通报, 2021, 0(4): 74-78.
[13]	王旭清, 史彦新, 潘建永, 郭颖平, 高幼龙, 魏建朋. 泥石流灾害多发区生态环境遥感监测评价[J]. 测绘通报, 2021, 0(11): 21-24.
[14]	杨春宇, 任兴达, 江汇男, 袁岳, 王子林. 基于小波去噪的地铁变形组合预测模型分析[J]. 测绘通报, 2021, 0(10): 127-131.
[15]	洪兆阳, 金双根. 利用时序PS-InSAR监测青藏高原冻土区地表形变[J]. 测绘通报, 2021, 0(1): 35-40.