[发明专利]一种基于历史资料分析的建筑物沉降预测方法

摘要

本发明公开了一种基于历史资料分析的建筑物沉降预测方法，包括如下步骤：采集监测数据；将监测数据按时间顺序分为：学习数据与检验数据；历史监测数据的分析；建立支持向量机回归预测模型；建立牛顿插值预测模型；建立加权移动平均法预测模型；建立组合模型；计算组合模型的权重；利用组合模型预测任意时刻的建筑物沉降值。较常规方法，本方法具有精度高、计算简单、适用范围广、运算效率高等特点。

主权项

一种基于历史资料分析的建筑物沉降预测方法，其特征在于，包括如下步骤：采集监测数据，提取第i期的监测时刻t_i，及沉降监测数据Z_i，其中，i＝1,2,...,h；将采集到的监测数据按时间顺序分为两部分：第一部分为：由a（a≥10）对观测数据组成的学习数据；另一部分为：由b对观测数据组成的检验数据；历史监测数据的分析：利用移动平均法对学习数据进行平滑处理，得到平滑后的学习数据；对平滑后的学习数据进行分析，按监测时间递增的顺序，计算各点与下一点连线段的斜率；寻找学习数据中最后一个沉降监测值周围的极值点；利用相关系数建立支持向量机回归预测模型；利用插值余项建立牛顿插值预测模型：P_n(x)＝f(x₀)+f[x₀,x₁](x‑x₀)+f[x₀,x₁,x₂](x‑x₀)(x‑x₁)+…+f[x₀,x₁,…,x_n](x‑x₀)…(x‑x_n‑1)式中，x_k表示n+1期数据中第k+1期数据的监测时间；区分近点与远点，建立加权移动平均法预测模型：对a个学习数据，按监测时间递增的顺序逐点推移求出n（n≥3）期数据的加权平均数，n期数据的权值分别取为ω₁,ω₂,…,ω_n，将R_j作为第j+1期的预测值：R_j＝ω₁y_j+ω₂y_j‑1+…+ω_ny_j‑n+1建立组合模型：f_t＝[k₁,k₂,k₃][f₁,f₂,f₃]^T式中，f_t为t时刻组合模型的预测值，k₁、k₂、k₃及f₁、f₂、f₃分别为支持向量机回归预测模型、牛顿插值预测模型及加权移动平均法预测模型的权及预测值；计算支持向量机回归预测模型、牛顿插值预测模型及加权移动平均法预测模型在组合模型中的权值；利用组合模型预测任意时刻的建筑物沉降值。