倪 驍 慧

(浙江聯(lián)合建工設(shè)計(jì)研究院有限公司，浙江 紹興 312000)

·測(cè)量·

變形監(jiān)測(cè)中數(shù)據(jù)處理方法綜述★

倪 驍 慧

(浙江聯(lián)合建工設(shè)計(jì)研究院有限公司，浙江 紹興 312000)

以工程中變形監(jiān)測(cè)所獲得的數(shù)據(jù)為研究對(duì)象，從時(shí)間序列分析法、回歸分析法、人工神經(jīng)網(wǎng)絡(luò)法、灰色系統(tǒng)分析法、卡爾曼濾波法等方面，對(duì)現(xiàn)有常用的數(shù)據(jù)分析方法進(jìn)行了介紹，并分析了各種方法的適用條件，以供參考。

變形監(jiān)測(cè)，數(shù)據(jù)處理，回歸分析法，人工神經(jīng)網(wǎng)絡(luò)法

0 引言

近年來(lái)，隨著我國(guó)綜合實(shí)力的不斷增強(qiáng)，在全國(guó)各地都有大量工程處于建設(shè)或運(yùn)營(yíng)過(guò)程中，為了更好的收集工程建設(shè)、運(yùn)營(yíng)過(guò)程中關(guān)鍵性的實(shí)時(shí)數(shù)據(jù)，變形監(jiān)測(cè)技術(shù)得到了快速發(fā)展。這些工程構(gòu)筑物在多種外荷載(力、溫度等)的共同作用下，構(gòu)筑物或多或少發(fā)生一些形變，為了保證各種構(gòu)筑物的變形處于安全可控范圍內(nèi)，需要我們?cè)谀硞€(gè)特定的周期時(shí)間內(nèi)，對(duì)構(gòu)筑物的形狀、大小或位置變化等特征進(jìn)行測(cè)量，即變形監(jiān)測(cè)技術(shù)，已經(jīng)形成“以監(jiān)測(cè)為基礎(chǔ)，以分析為手段，以預(yù)報(bào)為目”的變形監(jiān)測(cè)理念[1]。隨著現(xiàn)代科學(xué)技術(shù)的不斷發(fā)展，不僅變形監(jiān)測(cè)方法及模型不斷推陳出新，而且信息科學(xué)技術(shù)等科學(xué)技術(shù)已經(jīng)逐步融入監(jiān)測(cè)技術(shù)中，形成了一門(mén)以多個(gè)學(xué)科為基礎(chǔ)、以監(jiān)測(cè)、預(yù)報(bào)為目的的技術(shù)。本文主要以變形監(jiān)測(cè)過(guò)程中所獲得的各類(lèi)數(shù)據(jù)為研究對(duì)象，結(jié)合常用的數(shù)據(jù)處理分析思路，對(duì)時(shí)間序列分析法、回歸分析法、人工神經(jīng)網(wǎng)絡(luò)法、灰色系統(tǒng)分析法、卡爾曼濾波法等處理方法進(jìn)行簡(jiǎn)述。

1 時(shí)間序列分析法

美國(guó)學(xué)者George Box和英國(guó)統(tǒng)計(jì)學(xué)家Gwilym Jenkins于1968年首次提出時(shí)間序列法，其基本思想是把某個(gè)時(shí)間序列作為隨機(jī)過(guò)程進(jìn)行研究和描述，即假定時(shí)間序列由某個(gè)隨機(jī)過(guò)程產(chǎn)生，在原始數(shù)據(jù)基礎(chǔ)上建立一個(gè)模型，用來(lái)描述此隨機(jī)過(guò)程并進(jìn)行參數(shù)估計(jì)、模型檢驗(yàn)與修改，最終在已知時(shí)間序列過(guò)去值和當(dāng)前值基礎(chǔ)上，對(duì)未來(lái)的時(shí)間序列值進(jìn)行合理的預(yù)測(cè)。具體在實(shí)際工作中，由于采用監(jiān)測(cè)標(biāo)準(zhǔn)與方法各不相同，按照監(jiān)測(cè)過(guò)程中時(shí)間序列的特點(diǎn)，可以進(jìn)一步將時(shí)間序列法分為離散型時(shí)間序列法和連續(xù)型時(shí)間序列法[2]。這些方法在操作過(guò)程中，都需要進(jìn)行如下類(lèi)似工作：周期項(xiàng)的提取，趨勢(shì)項(xiàng)的提取，平穩(wěn)性檢查及正態(tài)性檢查等[3]。

2 回歸分析法

隨著數(shù)學(xué)的進(jìn)步，基于統(tǒng)計(jì)學(xué)原理的回歸分析方法被提出，即在建立變量之間關(guān)系的數(shù)學(xué)表達(dá)式基礎(chǔ)上，對(duì)未知量進(jìn)行預(yù)測(cè)或檢驗(yàn)其變化。根據(jù)自變量是單一還是多個(gè)這一標(biāo)準(zhǔn)，常常把回歸分析法簡(jiǎn)單分為兩大類(lèi)，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(gè)自變量的線性函數(shù)；多元線性回歸法則對(duì)應(yīng)著多元函數(shù)關(guān)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(jìn)一步拓展。其中，線性回歸分析方法在處理監(jiān)測(cè)數(shù)據(jù)方面有較長(zhǎng)的歷史，近年來(lái)，非線性回歸分析方法也有較多應(yīng)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(jīng)網(wǎng)絡(luò)法

隨著腦科學(xué)的不斷發(fā)展，人類(lèi)對(duì)大腦的運(yùn)作原理有了一定的了解，結(jié)合計(jì)算機(jī)運(yùn)算特征，提出了人工神經(jīng)網(wǎng)絡(luò)方法。生物腦通過(guò)大量神經(jīng)元，能夠同時(shí)對(duì)大量信號(hào)進(jìn)行處理，基于這一特征，建立模擬神經(jīng)元，以計(jì)算機(jī)為基礎(chǔ)來(lái)模擬生物腦的神經(jīng)網(wǎng)絡(luò)功能就是人工神經(jīng)網(wǎng)絡(luò)的概念。這類(lèi)方法并不基于任何數(shù)學(xué)模型，只是通過(guò)大量已有數(shù)據(jù)經(jīng)驗(yàn)進(jìn)行不斷訓(xùn)練，學(xué)習(xí)辨別有效信息與無(wú)效信息的方法，從而達(dá)到對(duì)相關(guān)類(lèi)似數(shù)據(jù)的分析處理，并能夠?qū)ξ磥?lái)數(shù)據(jù)進(jìn)行預(yù)測(cè)。

4 灰色系統(tǒng)分析法

工程監(jiān)測(cè)數(shù)據(jù)內(nèi)容存在大量不確定性，屬于典型的不確定性問(wèn)題，而且對(duì)某一特定工程項(xiàng)目，監(jiān)測(cè)數(shù)據(jù)并不多，因此，工程監(jiān)測(cè)的數(shù)據(jù)處理屬于典型的少數(shù)據(jù)不確定性問(wèn)題。對(duì)于工程師而言，可以利用概率論及統(tǒng)計(jì)學(xué)相關(guān)知識(shí)解決大數(shù)據(jù)不確定性問(wèn)題，但是這些理論無(wú)法用于解決少數(shù)據(jù)不確定性問(wèn)題。在這種背景下，華中科技大學(xué)鄧聚龍教授提出灰色系統(tǒng)理論，這套理論用于解決少數(shù)據(jù)不確定性問(wèn)題，因此，灰色系統(tǒng)理論在工程監(jiān)測(cè)數(shù)據(jù)方面有較好的應(yīng)用。

5 卡爾曼濾波法

數(shù)據(jù)信號(hào)處理中，存在著大量無(wú)效信息，也就是我們平時(shí)所說(shuō)的噪聲，如何去除噪聲從而較高質(zhì)量的提取信息中有效的信號(hào)信息，這是擺在工程師面前的一個(gè)基本問(wèn)題。隨著科技的發(fā)展，工程師們考慮使用一種線性過(guò)濾特征的過(guò)濾器對(duì)信號(hào)中的噪聲進(jìn)行過(guò)濾處理，對(duì)無(wú)效信息進(jìn)行最大的過(guò)濾，獲得更多的有效信息，1960年科學(xué)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(chēng)作最佳線性濾波法。

綜上所述，隨著科技的迅猛發(fā)展，現(xiàn)在處理監(jiān)測(cè)數(shù)據(jù)的方法有許多種，在實(shí)際工作中應(yīng)該注意各個(gè)方法的優(yōu)勢(shì)和局限性，根據(jù)不同的實(shí)際情況選取較為合適的方法進(jìn)行數(shù)據(jù)處理。

[1] 孔德志.工程測(cè)量[M].鄭州：黃河水利出版社,2006.

[2] 梅 紅，岳東杰．時(shí)間序列分析在變形監(jiān)測(cè)數(shù)據(jù)處理中的應(yīng)用[J]．現(xiàn)代測(cè)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(guó)輝，余春林．卡爾曼濾波模型的建立及其在施工變形測(cè)量中的應(yīng)用[J]．測(cè)繪通報(bào)，2004(4)：22-25．

[5] 高雅萍．GPS變形監(jiān)測(cè)網(wǎng)穩(wěn)定性分析及自適應(yīng)卡爾曼濾波除噪[D]．西安：長(zhǎng)安大學(xué)碩士學(xué)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(xiàng)目(Y201018524)

倪驍慧(1979- )，男，工程師

TU198

A