盧辰龍，匡翠林，陳曉林，魯鶴松

(1.中南大學(xué)地球科學(xué)與信息物理學(xué)院，湖南長(zhǎng)沙410083;2.鄭州市市政工程勘測(cè)設(shè)計(jì)研究院,河南鄭州450000;3.中南勘測(cè)設(shè)計(jì)研究院有限公司，湖南長(zhǎng)沙410014)

?

基于TLS的多變量灰色模型在大壩變形預(yù)報(bào)中的應(yīng)用

盧辰龍1,2，匡翠林1，陳曉林1，魯鶴松3

(1.中南大學(xué)地球科學(xué)與信息物理學(xué)院，湖南長(zhǎng)沙410083;2.鄭州市市政工程勘測(cè)設(shè)計(jì)研究院,河南鄭州450000;3.中南勘測(cè)設(shè)計(jì)研究院有限公司，湖南長(zhǎng)沙410014)

摘要：傳統(tǒng)多變量灰色模型MGM(1,n)的背景值誤差會(huì)使得求解的灰色參數(shù)精度降低?？傮w最小二乘是一種可以同時(shí)顧及到觀測(cè)誤差與模型系數(shù)矩陣誤差的數(shù)學(xué)方法?；诖?，引入TLS對(duì)傳統(tǒng)MGM(1,n)模型的灰色參數(shù)進(jìn)行修正。通過對(duì)某大壩變形數(shù)據(jù)試算，驗(yàn)證表明，該方法能夠有效地提高變形預(yù)報(bào)精度。

關(guān)鍵詞：大壩變形預(yù)報(bào)；多變量灰色模型；背景值優(yōu)化；總體最小二乘

大壩在供水、能源、航運(yùn)供給以及防洪等方面起著重要的作用，為社會(huì)經(jīng)濟(jì)的快速發(fā)展保駕護(hù)航，而大壩的貢獻(xiàn)是建立在良性運(yùn)行的基礎(chǔ)之上，因此，對(duì)大壩開展安全監(jiān)測(cè)工作具有重要意義[1]。為了提高大壩水平位移預(yù)報(bào)的精度與可靠性，國(guó)內(nèi)外學(xué)者展開了廣泛的研究并取得了一些有益的成果。目前，對(duì)大壩水平位移預(yù)報(bào)主要有神經(jīng)網(wǎng)絡(luò)法[2-4]、時(shí)間序列分析法[5]、灰色預(yù)測(cè)法[6-11]，支持向量機(jī)法[12-13]等。但上述方法大部分都是采用單點(diǎn)數(shù)據(jù)進(jìn)行建模與預(yù)報(bào)，并未考慮不同監(jiān)測(cè)點(diǎn)之間相互聯(lián)系。但在實(shí)際中，每個(gè)監(jiān)測(cè)點(diǎn)的變形并不都是孤立的，而是彼此間相互作用、相互影響?；诖?，翟軍在單點(diǎn)GM(1,1)模型的基礎(chǔ)上，將其擴(kuò)展為多變量灰色模型[14-17]。由于灰色模型參數(shù)直接影響模型的擬合與預(yù)報(bào)精度，而背景值又是影響灰色模型參數(shù)精度的關(guān)鍵因素，但傳統(tǒng)MGM(1,n)模型的背景值的構(gòu)造仍采用單點(diǎn)GM(1,1)模型背景值的方法，因此，對(duì)于數(shù)據(jù)序列急劇變化時(shí)，其模型預(yù)報(bào)誤差較大。針對(duì)這一問題，不同學(xué)者提出了不同的背景值構(gòu)造方法，提高模型擬合與預(yù)報(bào)的精度，如動(dòng)態(tài)定權(quán)法[18]、向量連分式理論法[19]、非齊次指數(shù)函數(shù)擬合法[20-21]等，但上述背景值優(yōu)化方法并不能保證對(duì)所有情況都適用。為此，本文在計(jì)算灰色模型參數(shù)時(shí)，考慮到由背景值求解得到的灰色參數(shù)存在誤差，引入TLS[22-23]對(duì)其進(jìn)行求解，并通過對(duì)湖南省某大壩實(shí)測(cè)數(shù)據(jù)計(jì)算表明，該方法的預(yù)報(bào)精度優(yōu)于傳統(tǒng)的MGM(1,n)模型與優(yōu)化的MGM(1,n)模型。

1MGM(1,n)模型建立與背景值誤差分析及優(yōu)化

1.1　傳統(tǒng)MGM(1,n)模型的建立

(1)

(2)

式中：j=1,2,…,m；i=1,2,…,n。

顧及到n個(gè)引張線點(diǎn)相關(guān)影響，對(duì)生成序列建立n元一階常微分方差組：

(3)

將式(3)寫成矩陣形式：

(4)

式(4)的時(shí)間響應(yīng)式為

(5)

將式(4)離散化可得灰色微分方程為

(6)

其中

(7)

式中:i=1,2,…,n；k=2,3,…,m。

根據(jù)最小二乘法計(jì)算多變量灰色模型的參數(shù)A與B，

(8)

其中

(9)

(10)

(11)

MGM(1,n)模型的時(shí)間響應(yīng)函數(shù)為

(12)

將式(12)做累減還原，其模型為

(13)

1.2　背景值的誤差分析

在區(qū)間[k-1,k]上對(duì)式(4)中n個(gè)白化方程進(jìn)行積分可得

(14)

化簡(jiǎn)可得

(15)

式中：i=1,2,…,n，k=2,3,…,m。

圖1　第i個(gè)變量的傳統(tǒng)背景值誤差來源

2基于TLS的MGM(1,n)模型及預(yù)報(bào)精度評(píng)價(jià)指標(biāo)

2.1　TLS迭代解算

在TLS[24]中，求解MGM(1,n)模型灰色參數(shù)的函數(shù)模型為

(16)

式中:ΔL為系數(shù)矩陣中存在誤差，ΔY是觀測(cè)誤差，其誤差方程式的形式為

(17)

而誤差方程式(17)表示為

(18)

(19)

(20)

于是TLS的目標(biāo)函數(shù)

vec(EL)Tvec(EL)+eTe=min.

(21)

等價(jià)于

(22)

求解目標(biāo)函數(shù)的自由極值得

(23)

轉(zhuǎn)置整理得

(24)

將式(19)與式(20)代入式(24)得

(25)

(26)

將式(19)代入式(26)整理，得到參數(shù)的估值為

(27)

式(25)可以通過迭代解算得到參數(shù)估值，計(jì)算步驟如下：

根據(jù)上述的迭代解算，即可得到參數(shù)的估值。

2.2　預(yù)報(bào)精度評(píng)價(jià)指標(biāo)

為驗(yàn)證模型的預(yù)報(bào)結(jié)果是否可靠與穩(wěn)健，分別選用平均相對(duì)誤差E、均方差比值C以及小誤差概率P三種指標(biāo)進(jìn)行評(píng)價(jià)，三種指標(biāo)的定義如下：

1)平均相對(duì)誤差E，E反映了預(yù)報(bào)殘差占原始數(shù)據(jù)的平均比例，因此，E越小越好，其定義如下：

(28)

2)均方差比值C，越小越好，因?yàn)橹笜?biāo)C反映了原始數(shù)據(jù)離散程度大，而殘差離散程度小，

(29)

其中,S1是原始序列的標(biāo)準(zhǔn)差，S2是殘差序列的標(biāo)準(zhǔn)差，原始序列與預(yù)報(bào)序列的差值序列稱為殘差序列。

3)小誤差概率P，指標(biāo)P越大越好，殘差與殘差均值之差小于給定值，

(30)

表1　模型精度評(píng)定標(biāo)準(zhǔn)

3實(shí)例分析

為驗(yàn)證本文算法的有效性與可靠性，以某大壩三個(gè)引張線點(diǎn)上14期的徑向水平位移數(shù)據(jù)為例，分別選用傳統(tǒng)MGM(1,3)模型、背景值優(yōu)化的MGM(1,3)模型以及TLS-MGM(1,3)模型進(jìn)行模擬預(yù)報(bào)。表2是14期的觀測(cè)數(shù)據(jù)，以10 d為一個(gè)周期。

圖2是以前11期數(shù)據(jù)進(jìn)行建模，后3期數(shù)據(jù)用于檢核，其圖2中(a)、(c)與(e)分別與表2中的點(diǎn)A、B、C相對(duì)應(yīng)，圖2中(b)、(d)與(f)分別是其相對(duì)誤差。從圖2中可以明顯看出，背景值優(yōu)化的

圖2　不同模型的擬合預(yù)報(bào)值與相對(duì)誤差

MGM(1,3)模型的預(yù)報(bào)精度并未顯著提高，而是與傳統(tǒng)MGM(1,3)模型的預(yù)報(bào)精度基本相當(dāng)，而TLS-MGM(1,3)模型的預(yù)報(bào)精度則明顯優(yōu)于上述兩種模型。為進(jìn)一步說明本文方法的可靠性，又采用不同的指標(biāo)進(jìn)行多角度的評(píng)價(jià)，其結(jié)果如表3所示。從表3中可以看出，不同指標(biāo)的結(jié)果均能明顯地反映出TLS-MGM(1,3)模型優(yōu)于另外兩種模型。綜合上述實(shí)例數(shù)據(jù)分析表明，TLS改進(jìn)MGM(1,3)模型可以削弱多變量灰色模型的背景值誤差，從而提高其預(yù)報(bào)精度。在實(shí)際應(yīng)用中，采用TLS-優(yōu)化MGM(1,3)模型，獲取更好的模擬和預(yù)報(bào)效果。

表3　多種評(píng)價(jià)指標(biāo)的可靠性檢驗(yàn)

4結(jié)論

MGM(1,n)模型綜合不同監(jiān)測(cè)點(diǎn)之間的相關(guān)信息，從整體上對(duì)多測(cè)點(diǎn)原始觀測(cè)數(shù)據(jù)進(jìn)行正確的處理，建立合理地預(yù)報(bào)模型，進(jìn)而做出準(zhǔn)確地預(yù)報(bào)，但傳統(tǒng)MGM(1,n)模型的背景值構(gòu)造限制了更精確的預(yù)報(bào)。本文通過分析傳統(tǒng)MGM(1,n)模型誤差產(chǎn)生的根本原因，引入TLS對(duì)其灰色模型參數(shù)矩陣修正，使得建模更加合理，從而有效地提高M(jìn)GM(1,n)模型的預(yù)報(bào)精度。對(duì)于背景值優(yōu)化的MGM(1,n)模型，克服因原始數(shù)據(jù)序列一階累加生成序列非齊次指數(shù)函數(shù)而造成其預(yù)報(bào)精度不能改善的限制，使得MGM(1,n)模型更加穩(wěn)健與可靠。因此，TLS-MGM(1,n)模型具有廣泛的應(yīng)用前景，同時(shí)，在實(shí)際應(yīng)用中，也可先對(duì)背景值優(yōu)化，然后再采用TLS解算灰色參數(shù)，進(jìn)而提高其預(yù)報(bào)精度。

參考文獻(xiàn)：

[1]趙志仁,徐銳.國(guó)內(nèi)外大壩安全監(jiān)測(cè)技術(shù)發(fā)展現(xiàn)狀與展望[J].水電自動(dòng)化與大壩監(jiān)測(cè),2010,34(5)：52-57.

[2]HU W S,ZHANG F,SONG L,et al.Study of Dam Deformation Model Based on Neural Network[J].Applied Mechanics and Materials,2012,170：2137-2142.

[3]沈細(xì)中,張文鴿,馮夏庭.大壩變形預(yù)測(cè)的 ANFIS 模型 [J].巖土力學(xué),2006(增刊)：1119-1123.

[4]李守巨,劉迎曦,劉玉靜.基于進(jìn)化神經(jīng)網(wǎng)絡(luò)混凝土大壩變形預(yù)測(cè)[J].巖土力學(xué),2004,24(4)：634-638.

[5]趙亮,蘭孝奇,潘文琪,等.基于時(shí)間序列的大壩早期變形預(yù)測(cè)[J].水利與建筑工程學(xué)報(bào),2012,10(3)：76-78.

[6]王利,張雙成,李亞紅.動(dòng)態(tài)灰色預(yù)測(cè)模型在大壩變形監(jiān)測(cè)及預(yù)報(bào)中的應(yīng)用研究[J].西安科技大學(xué)學(xué)報(bào),2005,25(3)：328-332.

[7]沈哲輝，黃騰，唐佑輝.灰色-馬爾科夫模型在大壩內(nèi)部變形預(yù)測(cè)中的應(yīng)用[J].測(cè)繪工程，2015,24(2)：69-74.

[8]唐爭(zhēng)氣，譚志強(qiáng).灰色時(shí)序組合模型在基坑監(jiān)測(cè)中的運(yùn)用[J].測(cè)繪工程，2014,23(2)：49-53.

[9]徐秀杰，黃張?jiān)?，劉?guó)超，等.改進(jìn)的灰色GM-AR組合模型在基坑監(jiān)測(cè)數(shù)據(jù)處理中的應(yīng)用[J].測(cè)繪與空間地理信息，2015，38(1):200-203.

[10]吳彥，張鐸強(qiáng)，徐南.反向灰色模型的初值優(yōu)化在道路沉降中應(yīng)用[J].測(cè)繪工程，2014,23(12)：60-62.

[11]馬符訊，徐南，馬成.自適應(yīng)變異粒子群優(yōu)化灰色模型在變形分析中的應(yīng)用[J].測(cè)繪工程，2014,23(5)：55-57.

[12]王新洲,范千,許承權(quán),等.基于小波變換和支持向量機(jī)的大壩變形預(yù)測(cè)[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版),2008,33(5)：469-471.

[13]李瀟,徐進(jìn)軍.動(dòng)態(tài)穩(wěn)健支持向量機(jī)在大壩變形預(yù)測(cè)中的應(yīng)用[J].大地測(cè)量與地球動(dòng)力學(xué),2009,29(2)：118-120.

[14]翟軍,盛建明.MGM (1,n)灰色模型及應(yīng)用[J].系統(tǒng)工程理論與實(shí)踐,1997,17(5)：109-113.

[15]劉丹丹.灰色模型分析法在高層建筑物變形監(jiān)測(cè)預(yù)測(cè)中的應(yīng)用[J].測(cè)繪與空間地理信息，2014，37(2):203-205.

[16]程晨.灰色理論和多項(xiàng)式擬合在地表沉降監(jiān)測(cè)中的應(yīng)用[J].測(cè)繪與空間地理信息，2014，37(2):220-222.

[17]喜文飛，史正濤.基于卡爾曼濾波的動(dòng)態(tài)灰色理論模型研究[J].測(cè)繪工程，2014,23(3)：24-27.

[18]何習(xí)平,華錫生,何秀鳳.加權(quán)多點(diǎn)灰色模型在高邊坡變形預(yù)測(cè)中的應(yīng)用[J].巖土力學(xué),2007,28(6)：1187-1191.

[19]崔立志,劉思峰,吳正朋.基于向量連分式理論的MGM (1,n)模型[J].系統(tǒng)工程,2009,26(10)：47-51.

[20]熊萍萍,黨耀國(guó),王正新.MGM (1,m)模型背景值的優(yōu)化[J].控制與決策,2011,26(6)：806-810.

[21]劉寒冰,向一鳴,阮有興.背景值優(yōu)化的多變量灰色模型在路基沉降預(yù)測(cè)中的應(yīng)用[J].巖土力學(xué),2013,34(1)：173-181.

[22]陳義,陸玨,鄭波.總體最小二乘方法在空間后方交會(huì)中的應(yīng)用[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版),2009,33(12)：1271-1274.

[23]魯鐵定.總體最小二乘平差理論及其在測(cè)繪數(shù)據(jù)處理中的應(yīng)用[D].武漢:武漢大學(xué),2010.

[24]陸玨,陳義,鄭波.加權(quán)總體最小二乘方法在ITRF轉(zhuǎn)換中的應(yīng)用[J].大地測(cè)量與地球動(dòng)力學(xué),2011,(4)：84-89.

[責(zé)任編輯：李銘娜]

The multivariable grey model based on total least squares applicable for the dam deformation forecast

LU Chen-long1，2,KUANG Cui-lin1,CHEN Xiao-lin1,LU He-song1

(1.School of Geosciences and Info-Physics,Central South University,Changsha 410083,China;2.Zhengzhou City Municipal Engineering Design & Research Institute,Zhengzhou 450000,China;3.Zhongnan Engineering Corporation Ltd.,Co.,Changsha 410014,China)

Abstract：The background value error of traditional multivariable grey model MGM (1,n) will make the precision of grey parameters decline.The total least square is a kind of mathematical method which can simultaneously consider the observation error and model coefficient matrix error.Based on this,the MGM(1,n) model grey parameters are modified by introducing the total least square (TLS) method in this paper.Through the trial of a dam deformation data,the results show the proposed method can effectively improve the prediction accuracy.

Key words：dam deformation forecast；multivariable grey model；background value optimization；total least square

作者簡(jiǎn)介：盧辰龍(1987-)，男，碩士，助理工程師.

基金項(xiàng)目：國(guó)家973計(jì)劃子課題(2013CB733303);湖南省國(guó)土資源廳科技項(xiàng)目(2012-41)

收稿日期：2014-09-30

中圖分類號(hào)：TU196+.1

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1006-7949(2015)12-0048-05