[发明专利]一种沉降预测模型高效更新方法

说明书

本发明公开了一种沉降预测模型高效更新方法，属于测绘领域，包括以下步骤：(1)、将非线性的沉降预测模型根据特点进行线性化处理，得到可用于回归的线性沉降模型；(2)、根据建模所需最小沉降数据量n取前n期沉降观测数据拟合模型，获得预测模型的初始参数向量估值与初始相关系数γ_(n)；(3)、基于前n期沉降观测数据拟合的参数向量估值与新增的第n+1期沉降观测数据得到更新后的参数向量估值(4)、基于更新前的保留的参数，迭代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；(5)、伴随工程进展，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。

技术领域

本发明属于测绘领域，尤其涉及一种沉降预测模型高效更新方法。

背景技术

不均匀沉降是导致建构筑物开裂、塌陷等结构性破坏的主要原因之一，严重影响其服务性能，威胁其安全性与稳定性。沉降预测是土木工程的必要工作，也是工程进行地基处理的主要依据，其预测结果直接关系到工程成果。沉降预测分为两个步骤，首先使用工程的实测沉降数据建立沉降预测模型，然后通过沉降预测模型预测工后沉降。随着工程的进展，沉降预测模型需要不断地更新来保障预测的质量，对于高铁、大型桥梁等时间跨度大的工程项目，沉降预测模型更新的重要性更加突出。

目前，沉降预测模型的更新普遍采用简单的传统最小二乘方法。在实际的工程中，广泛使用的模型如双曲线法模型、指数曲线法模型、星野法模型等都使用传统最小二乘方法进行模型更新。该方法的具体过程为：新增观测数据后，利用全部数据列出误差方程进行最小二乘间接平差，得到新的沉降预测模型参数。即便被广泛应用于实际工程中，传统更新方法也仍存在不足之处，具体表现为以下三点：一是计算量大，每次更新过程都需要使用到所有的沉降数据；二是数据存储量大，需要保存历史沉降观测数据重复地参与拟合过程；三是数据依赖性高，每次更新需要利用大量的历史存储数据，更新后模型出现误差的风险性大大提高。

因此，应该在保证沉降模型更新的可靠性前提下，优化更新过程。但是，目前还没有沉降预测模型更新方法改进上述问题，需要研究更高效的沉降预测模型更新方法。

发明内容

技术问题：针对现有技术地不足，本发明题出一种沉降预测模型高效更新方法，用于解决实际土木工程应用中，现有传统更新方法效率低、历史数据依赖性强的问题。

技术方案：为解决上述技术问题，本发明采用以下技术方案：一种沉降预测模型高效更新方法，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，得到可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、伴随工程进展，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。

作为本发明一种沉降预测模型高效更新方法的进一步优选方案，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：