摘要 | 第2-3页 |
ABSTRACT | 第3-4页 |
1 绪论 | 第8-14页 |
1.1 概述 | 第8页 |
1.2 选题的目的及意义 | 第8-9页 |
1.3 沉降预测模型概括 | 第9-11页 |
1.3.1 几何分析模型 | 第9-10页 |
1.3.2 物理解释模型 | 第10-11页 |
1.4 沉降预测模型发展方向 | 第11-12页 |
1.5 本文主要研究内容及技术路线 | 第12-14页 |
1.5.1 论文研究内容 | 第12页 |
1.5.2 论文研究方案 | 第12-14页 |
2 灰色系统分析模型 | 第14-25页 |
2.1 灰色系统概论 | 第14-16页 |
2.1.1 灰色系统理论的基本概念 | 第14页 |
2.1.2 灰色系统的基本性质 | 第14-15页 |
2.1.3 灰色系统模型理论 | 第15页 |
2.1.4 灰色模型数据的生成 | 第15-16页 |
2.2 灰色预测模型的建立 | 第16-20页 |
2.2.1 GM(1,N)模型 | 第16-18页 |
2.2.2 GM(1,1)模型 | 第18-20页 |
2.3 GM(1,1)模型的精度分析 | 第20-22页 |
2.4 GM(1,1)模型的改进 | 第22-24页 |
2.4.1 新信息模型 | 第22页 |
2.4.2 新陈代谢模型 | 第22-23页 |
2.4.3 GM(1,1)加权模型 | 第23-24页 |
2.5 本章小结 | 第24-25页 |
3 时间序列预测模型 | 第25-42页 |
3.1 时间序列分析概述 | 第25页 |
3.2 平稳时间序列基本概念 | 第25-30页 |
3.2.1 时间序列平稳性检验 | 第26-28页 |
3.2.2 时间序列纯随机性检验 | 第28-29页 |
3.2.3 时间序列的平稳化与零均值化 | 第29-30页 |
3.3 平稳时间序列基本模型 | 第30-33页 |
3.3.1 自回归模型-AR(P)模型 | 第30-31页 |
3.3.2 移动平均模型-MA(q)模型 | 第31-32页 |
3.3.3 自回归移动平均模型-ARMA模型 | 第32-33页 |
3.4 时间序列模型识别 | 第33-37页 |
3.4.1 自相关函数 | 第33-35页 |
3.4.2 偏自相关函数 | 第35-37页 |
3.5 平稳时间序列模型的建立及预测 | 第37-42页 |
3.5.1 时间序列模型的定阶 | 第38-39页 |
3.5.2 时间序列模型的参数估计 | 第39页 |
3.5.3 条件期望预测 | 第39-40页 |
3.5.4 模型的适时修正预测 | 第40-42页 |
4 灰色时序组合模型在建筑沉降中的应用 | 第42-47页 |
4.1 组合预测模型概述 | 第42-43页 |
4.1.1 组合模型的优势 | 第42页 |
4.1.2 灰色系统与时间序列模型的线性组合预测 | 第42-43页 |
4.2 建立组合模型 | 第43-44页 |
4.2.1 灰色系统GM(1,1)模型提取趋势项 | 第43-44页 |
4.2.2 时间序列预测随机项 | 第44页 |
4.3 灰色时序组合模型在建筑物沉降变形预测中的问题 | 第44-46页 |
4.3.1 变形数据的选取 | 第45页 |
4.3.2 非等间距数据建模处理 | 第45页 |
4.3.3 差值周期和预测步长的选择 | 第45-46页 |
4.4 对灰色时序组合模型预测效果检验 | 第46页 |
4.5 本章小结 | 第46-47页 |
5 工程实例分析 | 第47-69页 |
5.1 小区工程概括 | 第47-48页 |
5.2 沉降数据分析 | 第48-53页 |
5.2.1 沉降数据的选取 | 第48-50页 |
5.2.2 原始数据的处理 | 第50-52页 |
5.2.3 数据预测的技术路线 | 第52-53页 |
5.3 组合预测模型的建立及数据预测 | 第53-68页 |
5.3.1 灰色系统GM(1,1)模型提取趋势项 | 第53页 |
5.3.2 时间序列预测随机项 | 第53-55页 |
5.3.3 对沉降数据的预测 | 第55-64页 |
5.3.4 预测精度检验 | 第64-68页 |
5.4 预测结果分析 | 第68页 |
5.5 本章小结 | 第68-69页 |
6 结论与展望 | 第69-71页 |
6.1 本文总结 | 第69页 |
6.2 存在的问题及展望 | 第69-71页 |
致谢 | 第71-72页 |
参考文献 | 第72-76页 |