基于Kalman滤波的ARIMA-NAR神经网络模型在深基坑沉降监测中的应用 | |
牛全福1,2; 李月锋1,3; 张曼1; 傅建凯1; 马亚娜1 | |
刊名 | 兰州理工大学学报 |
2022-04-15 | |
卷号 | 48期号:02页码:131-135 |
关键词 | 深基坑 滤波 组合模型 预测 |
英文摘要 | 深基坑变形监测在城市建设安全施工中显得越来越重要.鉴于监测数据不可避免地存在噪声及单个预测模型存在的预测残差问题,为提高基坑监测预测精度,以兰州市某深基坑监测中具有明显沉降的ZJ52为例,采取一种基于Kalman去噪的ARIMA-NAR神经网络组合模型进行预测分析.结果发现,经Kalman去噪后建立的ARIMA-NAR组合模型的预测结果的平均绝对误差、平均相对误差和残差方差分别为0.43、0.04、2.23 mm,预测结果均优于单一的ARIMA和NAR神经网络模型的预测结果,预测精度较好,其结果可为本项目的安全施工提供可靠指导. |
URL标识 | 查看原文 |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/158599] |
专题 | 土木工程学院 |
作者单位 | 1.兰州理工大学土木工程学院; 2.甘肃省应急测绘工程研究中心; 3.甘肃土木工程科学研究院有限公司 |
推荐引用方式 GB/T 7714 | 牛全福,李月锋,张曼,等. 基于Kalman滤波的ARIMA-NAR神经网络模型在深基坑沉降监测中的应用[J]. 兰州理工大学学报,2022,48(02):131-135. |
APA | 牛全福,李月锋,张曼,傅建凯,&马亚娜.(2022).基于Kalman滤波的ARIMA-NAR神经网络模型在深基坑沉降监测中的应用.兰州理工大学学报,48(02),131-135. |
MLA | 牛全福,et al."基于Kalman滤波的ARIMA-NAR神经网络模型在深基坑沉降监测中的应用".兰州理工大学学报 48.02(2022):131-135. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论