时间序列回归预测模型在自动化监测中的应用

doi:10.13474/j.cnki.11-2246.2021.0196

测绘通报 ›› 2021, Vol. 0 ›› Issue (6): 156-158.doi: 10.13474/j.cnki.11-2246.2021.0196

• 测绘地理信息技术应用案例 • 上一篇下一篇

时间序列回归预测模型在自动化监测中的应用

刘建军¹, 王嘉伟², 陈琨³, 韩三琪¹

1. 宁波市轨道交通集团有限公司, 浙江宁波 310006;
2. 浙江华展工程研究设计院有限公司, 浙江宁波 315012;
3. 湖北省地质环境总站, 湖北武汉 437000

收稿日期:2020-04-19 修回日期:2020-04-23 发布日期:2021-06-28
通讯作者: 王嘉伟。E-mail:wangjiawei@whu.edu.cn
作者简介:刘建军(1972—),男,高级工程师,主要研究方向为地铁、公路工程技术管理和工程风险管控。E-mail:jianjunliu123@sina.com
基金资助:
公路地质灾变预警空间信息技术湖南省工程实验室开放基金（kfj50604）

The application of time series regression prediction model in automated monitoring

LIU Jianjun¹, WANG Jiawei², CHEN Kun³, HAN Sanqi¹

1. Ningbo Rail Transit Group Co., Ltd., Ningbo 310006, China;
2. Zhejiang Huazhan Institude of Designing and Rerearch Co., Ltd., Ningbo 315012, China;
3. Geological Environmental Center of Hubei Povince, Wuhan 437000, China

Received:2020-04-19 Revised:2020-04-23 Published:2021-06-28

摘要/Abstract

摘要： 在边坡自动化监测过程中，由于传输信号中断、设备故障、电源中断及传感器替换等原因，不可避免地出现监测数据缺失的现象。数据的缺失对后续的边坡稳定性分析及预测带来不确定的因素，使分析结果产生偏差。本文针对边坡自动化监测数据缺失这一现象，采用时间序列回归预测模型对不同数据缺失率的边坡监测数据进行填补，通过填补值与真实值之间的绝对误差与均方根误差判别其在不同数据缺失率的填补效果，得出该模型对缺失率低于10%的缺失数据具有良好的效果，具有一定的实践意义。

关键词: 时间序列, 缺失数据, 填补, 绝对误差, 均方根误差

Abstract: In the process of slope automation monitoring, because of the interruption of transmission signal, equipment failure, power supply interruption and sensor replacement, the phenomenon of missing monitoring data will inevitably occur. The lack of monitoring data brings uncertain factors to the subsequent slope stability analysis and prediction, which makes the analysis results deviate. This paper aims at the phenomenon of missing dynamic monitoring, the time series regression prediction model is used to fill in the monitoring data of slope with different missing data rates. The absolute error and root mean square error between the filling value and the real value are used to judge the filling effect of different missing data rates. It is concluded that the model has good effect on missing data with missing rate less than 10%, and has certain practice.

Key words: time series, missing data, filling, absolute error, root mean square error

中图分类号:

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.

LIU Jianjun, WANG Jiawei, CHEN Kun, HAN Sanqi. The application of time series regression prediction model in automated monitoring[J]. Bulletin of Surveying and Mapping, 2021, 0(6): 156-158.

参考文献

[1] 张锡越,朱照荣,曾艳艳,等.北京市CORS站坐标时间序列噪声分析[J].测绘科学,2021,46(3):48-54.
[2] 周命端,张文尧,马博泓,等.建筑塔机臂尖GNSS动态监测模型设计[J].测绘通报,2020(8):23-27.
[3] 陈琨.边坡自动化监测数据缺失填补算法研究[D].重庆:重庆交通大学,2018.
[4] 王乐洋,孙坚强.总体最小二乘回归预测模型的方差分量估计[J].武汉大学学报(信息科学版),2021,46(2):280-288.
[5] 曲文龙,陈笑屹,李一漪,等.一种深度梯度提升回归预测模型[J].计算机应用与软件,2020,37(9):194-201.
[6] 卫星君,赵晓萌,马长玲,等.降雨型滑坡灾害的约简和逻辑回归预测模型[J].中国安全科学学报,2018,28(8):1-6.
[7] 张云鹏,李利平,贺鹏,等.隧道围岩大变形高斯过程回归预测模型及其工程应用[J].科学技术与工程,2018,18(1):122-127.
[8] 胡艳.基于循环神经网络和卡尔曼滤波器的多变量混沌时间序列预测[J].计算机应用与软件,2021,38(4):281-287.
[9] 李威,鲁铁定,贺小星,等.Prophet模型在GNSS坐标时间序列中的插值分析[J].大地测量与地球动力学,2021,41(4):362-367.
[10] 何蓉,陶庭叶,丁鑫,等.安徽省CORS坐标时间序列噪声和速度场分析[J].大地测量与地球动力学,2021,41(4):368-373.
[11] 陈帮乾,云挺,安锋,等.基于Landsat和Sentinel-2时间序列影像的海南西部橡胶林龙卷风灾情评估[J].遥感学报,2021,25(3):816-829.
[12] 张思洪,江德军.高精度地表三维位移自动化监测技术研究与应用[J].长江科学院院报,2021,38(1):66-71.
[13] 孙振海,唐睿楷,解威威,等.六律邕江大桥施工期结构响应自动化监测系统[J].公路,2020,65(7):199-204.
[14] 刘全海,谢友鹏,赵尘衍.地铁基坑墙体深层水平位移自动化监测应用[J].测绘地理信息,2019,44(6):114-116.

[1]	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.
[2]	章诗芳, 张锦. 卡尔曼滤波在山西省西山煤田地面沉降GNSS监测中的应用[J]. 测绘通报, 2021, 0(9): 103-107.
[3]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	喜文飞, 赵子龙, 王绍君, 沈志坚, 李帅. 一种改进的无人机影像拼接粗差剔除算法[J]. 测绘通报, 2021, 0(2): 36-39.
[11]	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.
[12]	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.
[13]	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.
[14]	赵家瑶, 李宏伟. 出租车数据的时间序列谱聚类分析[J]. 测绘通报, 2020, 0(8): 112-116.
[15]	邱小梦, 王奉伟, 周世健, 邹时林. 局部均值分解和奇异值分解在GNSS站坐标时间序列信号降噪中的应用[J]. 测绘通报, 2020, 0(5): 85-89.

时间序列回归预测模型在自动化监测中的应用

The application of time series regression prediction model in automated monitoring

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