浅谈海塘堤坊渗压监测资料的时间序列分析研究

《浅谈海塘堤坊渗压监测资料的时间序列分析研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、上海交通大学硕士学位论文海塘堤坊渗压监测资料的时间序列分析研究姓名：潘翔申请学位级别：硕士专业：岩土工程指导教师：黄铭20050101海塘堤防渗压监测资料的时间序列分析研究摘要海塘堤防渗压监测资料的时间序列分析研究摘要海塘堤防渗压是反映海塘安全状态的重要指标海塘渗压监测资料的分析工作关系到堤防及堤内生命财产的安全海塘堤防的渗压影响因素复杂其运行期的渗压变化规律有自身的特点周期性较强变化较快加之海塘监测资料的系统采集工作开展较晚所以海塘渗压的监测分析研究应用尚处于起步阶段为了准确分析海塘运行期的渗

2、压监测资料进行实时预报本文针对海塘堤防的渗压特点在对自动采集的实测渗压资料进行定性分析的基础上对海塘堤防渗压监测资料的分析方法进行研究确定了以谐量分析回归计算和时间序列方法建立谐量回归-时序组合监测模型的思想根据海塘渗压周期性强的特点采用了谐量分析的方法选取合理的谐量结构用逐步回归的方法筛选因子建立谐量回归模型在对谐量回归模型结果检验和模型拟合残差平稳性检验的基础上再对回归拟合残差序列进行时序分析采用BJ建模方法,编译相应程序建立ARMA硕士学位论文I海塘堤防渗压监测资料的时间序列分析研究摘要模

3、型最终以两类模型组合建立谐量回归-时序组合模型针对海塘渗压变化快需实时分析预报的需要采用等维新息建模思想对谐量回归-时序组合模型的实际应用能力进行了检验实例证明模型拟合预报稳定为工程应用提供有效参考上述各模型均以浦东海塘运行期的渗压监测资料建立实例并对其效果加以分析研究表明采用的监测模型结构合理所建立的组合模型能准确反映海塘渗压的变化规律具有较强的预报能力取得了令人满意的效果采用等维新息模型对海塘渗压进行短期实时预报的方法在实际的工程应用中也有很好的实用性为海塘堤防渗压监测资料的分析研究和应用为

4、保障海塘的安全运行提供了有效工具关键词海塘渗压监测分析谐量回归模型时间序列模型等维新息模型硕士学位论文II海塘堤防渗压监测资料的时间序列分析研究摘要ResearchonOsmoticPressureMonitoringDataofSeawallwithTimeSeriesTheoryABSTRACTTheosmoticpressureofseawallisveryimportanttothesafetyofseawall.Theanalysisofosmoticpressuremonitorin

5、gdataconcernstothepeoplewhichisprotectedbytheseawall.Theelementswhicheffecttheosmoticpressureofseawallisverycomplicated,andthechangeorderlinessaboutosmoticpressureofseawallhasitsownspecialcharacteristicwhenseawallisinfunctionperiod.Thestrongperiodici

6、tyisvisibleinthemonitoringcurveofosmoticpressure,andthemonitoringdatachangefastlyinashortperiod.What’smore,thesystemicgatheringontheosmoticpressuremonitoringdataofseawalldevelopedlately.Sotheresearchonosmoticpressuremonitoringdataofseawallisintheunde

7、rwayperiod.Inordertoincreasetheaccuracyoffitandtheaccuracyofrealtimeforecast,thepointofseawallmonitoringdataisconsideredstaidly.Thetheoryofnumericalanalysiswhichcouldbeusedinthisresearchisalsoinvestigated.Somenewresearchmeasuresandnewstudyideawhichth

8、ejointedmodelshouldbeestablishedwiththeharmonicquantityregressionmodelandthetimeseriesmodelarecreatedduringthereseach.Thejointedmodelcouldbeusedtoproceedtheshorttermreal-timeforecast.Theharmonicquantityregressionmodelisbuiltbecausetheosmoticpressureo