| 第1章 绪论 | 第8-14页 |
| 1.1 变形监测的目的和意义 | 第8-9页 |
| 1.2 变形监测的分类 | 第9-10页 |
| 1.3 变形分析与预测的现状和进展 | 第10-12页 |
| 1.3.1 监测技术 | 第10-11页 |
| 1.3.2 监测数据分析 | 第11页 |
| 1.3.3 变形分析与预测研究的发展趋势 | 第11-12页 |
| 1.4 问题的提出及本文的研究内容 | 第12-14页 |
| 第2章 时间序列的概况和动态特征 | 第14-29页 |
| 2.1 概述 | 第14-15页 |
| 2.2 时间序列的基本思想 | 第15-17页 |
| 2.3 时间序列预测的优缺点 | 第17-18页 |
| 2.4 时间序列应用的广泛性 | 第18页 |
| 2.5 常用的几种时间序列模型 | 第18-19页 |
| 2.5.1 自回归(AR)模型 | 第18-19页 |
| 2.5.2 滑动平均(MA)模型 | 第19页 |
| 2.5.3 自回归滑动平均(ARMA)模型 | 第19页 |
| 2.6 时间序列模型的动态特性 | 第19-27页 |
| 2.6.1 格林函数 | 第19-20页 |
| 2.6.2 可逆函数 | 第20-21页 |
| 2.6.3 自相关函数 | 第21-25页 |
| 2.6.4 偏相关函数 | 第25-27页 |
| 2.7 小结 | 第27-29页 |
| 第3章 模型识别与阶次判定及其预测 | 第29-36页 |
| 3.1 平稳性数据识别 | 第29页 |
| 3.2 常用的时间序列定阶准则 | 第29-33页 |
| 3.2.1 F 检验的定阶准则 | 第29-31页 |
| 3.2.2 FPE 定阶准则 | 第31-33页 |
| 3.3 模型的适用性检验 | 第33-34页 |
| 3.4 逆函数预报 | 第34-35页 |
| 3.5 小结 | 第35-36页 |
| 第4章 算例分析 | 第36-57页 |
| 4.1 光大银行工程概况 | 第36页 |
| 4.1.1 概述 | 第36页 |
| 4.1.2 沉降监测任务 | 第36页 |
| 4.2 利用时间序列分析法对沉降点 K_9 进行分析 | 第36-40页 |
| 4.2.1 K_9 沉降数据及形式 | 第36-37页 |
| 4.2.2 数据平稳化处理 | 第37页 |
| 4.2.3 相关分析 | 第37-38页 |
| 4.2.4 模型阶次的判定与参数估计 | 第38页 |
| 4.2.5 利用逆函数方法进行预报 | 第38-40页 |
| 4.3 其余沉降点测量数据及分析结果 | 第40-51页 |
| 4.3.1 沉降数据 | 第40-43页 |
| 4.3.2 数据分析 | 第43-44页 |
| 4.3.3 预报 | 第44-45页 |
| 4.3.4 沉降值、拟合值与预报值曲线的比较 | 第45-50页 |
| 4.3.5 分析结果 | 第50-51页 |
| 4.4 时间序列分析的改进——最小二乘推估 | 第51-57页 |
| 4.4.1 数学模型 | 第52-53页 |
| 4.4.2 最小二乘推估的计算公式 | 第53页 |
| 4.4.3 最小二乘推估在沉降预报中的应用 | 第53-56页 |
| 4.4.4 各点实测曲线、最小二乘推估预报值曲线比较图 | 第56页 |
| 4.4.5 分析结果 | 第56-57页 |
| 第5章 结论与展望 | 第57-59页 |
| 5.1 结论 | 第57页 |
| 5.2 展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 摘 要 | 第62-64页 |
| ABSTRACT | 第64页 |
| 致谢 | 第66-67页 |
| 导师及作者简介 | 第67页 |