变形监测中数据处理方法综述★

倪 骁 慧

(浙江联合建工设计研究院有限公司，浙江 绍兴 312000)

·测量·

变形监测中数据处理方法综述★

倪 骁 慧

(浙江联合建工设计研究院有限公司，浙江 绍兴 312000)

以工程中变形监测所获得的数据为研究对象，从时间序列分析法、回归分析法、人工神经网络法、灰色系统分析法、卡尔曼滤波法等方面，对现有常用的数据分析方法进行了介绍，并分析了各种方法的适用条件，以供参考。

变形监测，数据处理，回归分析法，人工神经网络法

0 引言

近年来，随着我国综合实力的不断增强，在全国各地都有大量工程处于建设或运营过程中，为了更好的收集工程建设、运营过程中关键性的实时数据，变形监测技术得到了快速发展。这些工程构筑物在多种外荷载(力、温度等)的共同作用下，构筑物或多或少发生一些形变，为了保证各种构筑物的变形处于安全可控范围内，需要我们在某个特定的周期时间内，对构筑物的形状、大小或位置变化等特征进行测量，即变形监测技术，已经形成“以监测为基础，以分析为手段，以预报为目”的变形监测理念[1]。随着现代科学技术的不断发展，不仅变形监测方法及模型不断推陈出新，而且信息科学技术等科学技术已经逐步融入监测技术中，形成了一门以多个学科为基础、以监测、预报为目的的技术。本文主要以变形监测过程中所获得的各类数据为研究对象，结合常用的数据处理分析思路，对时间序列分析法、回归分析法、人工神经网络法、灰色系统分析法、卡尔曼滤波法等处理方法进行简述。

1 时间序列分析法

美国学者George Box和英国统计学家Gwilym Jenkins于1968年首次提出时间序列法，其基本思想是把某个时间序列作为随机过程进行研究和描述，即假定时间序列由某个随机过程产生，在原始数据基础上建立一个模型，用来描述此随机过程并进行参数估计、模型检验与修改，最终在已知时间序列过去值和当前值基础上，对未来的时间序列值进行合理的预测。具体在实际工作中，由于采用监测标准与方法各不相同，按照监测过程中时间序列的特点，可以进一步将时间序列法分为离散型时间序列法和连续型时间序列法[2]。这些方法在操作过程中，都需要进行如下类似工作：周期项的提取，趋势项的提取，平稳性检查及正态性检查等[3]。

2 回归分析法

随着数学的进步，基于统计学原理的回归分析方法被提出，即在建立变量之间关系的数学表达式基础上，对未知量进行预测或检验其变化。根据自变量是单一还是多个这一标准，常常把回归分析法简单分为两大类，即线性回归和多元线性回归。其中，线性回归方法为仅包含一个自变量的线性函数；多元线性回归法则对应着多元函数关系，可以把多元线性回归分析法视为一元线性回归分析法的进一步拓展。其中，线性回归分析方法在处理监测数据方面有较长的历史，近年来，非线性回归分析方法也有较多应用，且在很多情况下，非线性回归分析的效果较线性回归分析效果要更好一些。

3 人工神经网络法

随着脑科学的不断发展，人类对大脑的运作原理有了一定的了解，结合计算机运算特征，提出了人工神经网络方法。生物脑通过大量神经元，能够同时对大量信号进行处理，基于这一特征，建立模拟神经元，以计算机为基础来模拟生物脑的神经网络功能就是人工神经网络的概念。这类方法并不基于任何数学模型，只是通过大量已有数据经验进行不断训练，学习辨别有效信息与无效信息的方法，从而达到对相关类似数据的分析处理，并能够对未来数据进行预测。

4 灰色系统分析法

工程监测数据内容存在大量不确定性，属于典型的不确定性问题，而且对某一特定工程项目，监测数据并不多，因此，工程监测的数据处理属于典型的少数据不确定性问题。对于工程师而言，可以利用概率论及统计学相关知识解决大数据不确定性问题，但是这些理论无法用于解决少数据不确定性问题。在这种背景下，华中科技大学邓聚龙教授提出灰色系统理论，这套理论用于解决少数据不确定性问题，因此，灰色系统理论在工程监测数据方面有较好的应用。

5 卡尔曼滤波法

数据信号处理中，存在着大量无效信息，也就是我们平时所说的噪声，如何去除噪声从而较高质量的提取信息中有效的信号信息，这是摆在工程师面前的一个基本问题。随着科技的发展，工程师们考虑使用一种线性过滤特征的过滤器对信号中的噪声进行过滤处理，对无效信息进行最大的过滤，获得更多的有效信息，1960年科学家提出了卡尔曼滤波方法，由于该方法是由线性滤波角度提出的，因此该方法又常常被称作最佳线性滤波法。

综上所述，随着科技的迅猛发展，现在处理监测数据的方法有许多种，在实际工作中应该注意各个方法的优势和局限性，根据不同的实际情况选取较为合适的方法进行数据处理。

[1] 孔德志.工程测量[M].郑州：黄河水利出版社,2006.

[2] 梅 红，岳东杰．时间序列分析在变形监测数据处理中的应用[J]．现代测绘，2005(6)：65-67．

[3] PETER J，RICHARD AD.Time Series Theory and Methods[M].北京：高等教育出版社，2001.

[4] 许国辉，余春林．卡尔曼滤波模型的建立及其在施工变形测量中的应用[J]．测绘通报，2004(4)：22-25．

[5] 高雅萍．GPS变形监测网稳定性分析及自适应卡尔曼滤波除噪[D]．西安：长安大学硕士学位论文,2005.

Review of data processing method for deformation monitoring★

Ni Xiaohui

(ZhejiangJointConstructionDesignandResearchInstitute，Shaoxing312000,China)

The data obtained from the deformation monitoring in the project are taken as the research object. Some commonly used data processing methods are introduced, such as time series analysis, regression analysis, artificial neural network, gray system analysis and Kalman filtering method, so as to provide some reference for the applied conditions for ravious methods.

deformation monitoring, data processing, regression analysis, artificial neural network

1009-6825(2017)03-0204-02

2016-11-18 ★:浙江省教育厅科研项目(Y201018524)

倪骁慧(1979- )，男，工程师

TU198

A