原文传递
地铁变形监测数据挖掘及工程应用
| 论文题名： | 地铁变形监测数据挖掘及工程应用 |
| 关键词： | 城市轨道交通;地铁隧道;变形监测;自动化监测;时间序列模型 |
| 摘要： | 近年来，随着经济的快速发展，人口数量的急剧增长，城市交通面临严峻挑战。由于地铁为代表的城市轨道交通在解决交通拥堵上具有明显的优越性，地铁建设的浪潮迅速在全国范围内展开。保障地铁运营安全成为轨道交通的首要课题，及时展开地铁变形数据的研究对于保障地铁安全具有重要意义。 本文以南京地铁某区段的变形分析与预测为目标，收集大量现场实测数据，引入时间序列分析手段，对隧道变形分析和预测模型进行了以下研究: 1)综合国内外地铁变形监测研究现状，介绍了南京地铁隧道自动化变形监测系统的组成、监测网的布设方法、监测方法和技术要求等，重点对监测误差来源和监测精度进行了分析。 2)简述监测网参考基准和常见基准点稳定性分析方法。编程实现对数据初步平差改正，分析观测值的改正数，选定潜在不稳定点，采用组合后验方差法确定并删除不稳定点后进行二次平差。提出了组合后验方差检验法灵敏度概念，并通过大量的试算确定了灵敏度范围，实现在监测现场简单、快速判定基准点稳定性，对于工程实践具有指导意义。 3)重点研究时间序列的模型构造方法，对传统的回归分析模型进行了补充。本文尝试对现有的自回归特性AR(p)模型进行改进，同时在模型研究中根据现有模型的不足引入组合模型和数据差分，创新地提出了两种方法:融合了时间变化因子的改进自回归AR(p)模型;组合差分ARIMA(p,d,q)模型两种新模型。 4)结合工程实例对南京地铁某区段监测点形变量进行了计算，建立了四个预测模型，对比分析了各种模型的样本学习和预测精度。相比传统回归分析模型的精度(±1.05mm)，本文提出的改进自回归AR(P)模型的精度(±0.18mm)提高了82.8％;相比回归分析模型，提出的组合差分ARIMA(p,d,q)模型的精度(±0.07mm)提高了93.3％，取得了令人满意的效果。 |
| 作者： | 苏宁 |
| 专业： | 交通测绘与信息技术 |
| 导师： | 胡伍生 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东南大学 |
| 学位年度： | 2013 |
| 正文语种： | 中文 |
检索历史
应用推荐
