[发明专利]一种沉降预测模型高效更新方法

权利要求书

1.一种沉降预测模型更新方法，其特征在于，该方法具体包括以下步骤：

步骤一、将非线性的沉降预测模型根据特点进行线性化处理，得到用于回归的线性沉降模型；

步骤二、根据前n期沉降观测数据拟合初始模型，获得预测模型的初始参数向量估值即完成拟合，并计算初始相关系数γ_(n)，用于评价拟合效果，其中，n为建立模型所需的最少沉降观测数据量，沉降数据由时间和沉降值组成；

步骤三、工程进行第n+1期沉降观测后，获得第n+1期沉降数据，此时需要重新拟合沉降模型，即对模型的参数向量估值进行更新，基于前n期沉降观测数据拟合的参数向量估值与第n+1期沉降数据，计算得到更新后的参数向量估值

步骤四、基于更新前的保留的参数，对模型的相关系数进行更新，计算更新后模型的相关系数γ_(n+1)用于评价更新后的模型拟合效果；

步骤五、不断增加沉降观测数据，重复步骤三、四同步实现沉降预测模型的迭代更新。

2.根据权利要求1所述的一种沉降预测模型更新方法，其特征在于，在步骤一中，所述不同的沉降预测模型包括双曲线模型或星野法模型，其沉降预测模型分别如下：

双曲线模型：

其中，S_t、t分别为任意时间的沉降量和所对应的时间，其基准分别为主体工程完工的沉降量与时间；α、β为模型的未知参数；

星野法模型：

其中，S_t、t同式(1)所述；A、K为模型的未知参数。

3.根据权利要求2所述的一种沉降预测模型更新方法，其特征在于：在步骤一中，建立的线性沉降模型为：

y＝FA (3)

不同模型转化而来的线性模型，其符号代表的含义也不同，其中，因变量y代表双曲线模型中的t/S_t，代表星野法模型中的t/S_t²；F＝[1 t]为时间观测向量；为待估参数向量，代表双曲线模型中的代表星野法模型中的

4.根据权利要求3所述的一种沉降预测模型更新方法，其特征在于：在步骤二中，每次观测得到的时间与沉降为一期数据，利用前n期沉降观测数据可以得到观测误差方程为：

其中，v_n为第n期沉降数据的误差改正数，F_n＝[1 t_n]，t_n为第n期沉降数据的时间值，y_n为第n期沉降数据的因变量值；

令计算首个参数向量的估值为：

其中，为权矩阵，通常为单位阵；p_n为第n期沉降数据的权，n为建立模型所需的最少数据量。

5.根据权利要求4所述的一种沉降预测模型更新方法，其特征在于：在步骤二中，获得第一次更新所需的虚拟权阵W_(n)，即估值的权阵，为：

虚拟权阵的迭代公式为：

其中，E为二阶单位阵，F_n+1＝[1 t_n+1]，t_n+1为第n+1期沉降数据的时间值，p_n+1为第n+1期沉降数据的权。

6.根据权利要求5所述的一种沉降预测模型更新方法，其特征在于，在步骤二中，向量估值所得预测模型的相关系数γ_(n)的计算公式为：

其中，为n期时间值的平均值，为n期因变量值的平均值，t_i为第i期沉降数据的时间值，y_i为第i期沉降数据的因变量值。

7.根据权利要求6所述的一种沉降预测模型更新方法，其特征在于：在步骤三中，所述更新后的参数向量估值的计算公式为：

其中，E为二阶单位阵，W_(n)为虚拟权阵，y_n+1为第n+1期沉降数据的因变量值，根据式(9)可得线性预测模型为：