[發明專利]一種基于分步優化分位數回歸的沉降預測方法

有效

• 申請號: 201410542926.3
• 申請日: 2014-10-14
• 公開（公告）號: CN104268662B
• 公開（公告）日: 2017-08-01
• 發明（設計）人: 岳建平;劉斌;曾寶慶;李靜;汪學琴
• 申請（專利權）人: 河海大學
• 主分類號: G06F17/00
• 分類號: G06F17/00
• 代理公司: 南京縱橫知識產權代理有限公司32224
• 代理人: 董建林

1.一種基于分步優化分位數回歸的沉降預測方法，其特征在于：具體包括以下步驟：

(1)采集N期沉降監測數據，提取監測時刻t_i和對應的監測數據z_i，其中，i＝1,2,3,4······N；

(2)將N期沉降監測數據分為學習數據和檢驗數據兩部分：學習數據為前K(K＜N)期，剩余(N-K)期為檢驗數據；

(3)監測數據的分析：利用加權移動平均法對學習數據進行平滑處理，針對每期沉降監測數據所包含的信息量的重要性，對K期數據賦予不同的權重，則第t期沉降監測數據的加權算術移動平均值為：

$M_t=\frac{\underset{i=1}{\overset{n}{\Σ}}{w}_i{z}_{t-i+1}}{\underset{i=1}{\overset{K}{\Σ}}{w}_i},t\>n---\left(1\right)$

令n為權系數個數，則將式(1)化簡為：

$M_t=\underset{i=1}{\overset{n}{\Σ}}{w}_i{z}_{t-i+1},t\>n---\left(2\right)$

其中，M_t為第t期加權移動平均數，z_t-i+1為第t-i+1期沉降監測數據，w_i為z_t-i+1的權數；

(4)令z_t＝M_t，建立多項式回歸沉降預測模型：

z_t＝α+β₁x_t+β₂x_t²+β₃x_t³+μ (3)

式中：z_t為平滑處理后的第t期沉降監測數據，α、β₁、β₂、β₃為模型參數，μ為模型誤差項，x_t為平滑處理后的沉降監測數據對應期數；

(5)對平滑處理后的沉降監測數據在不同分位水平下進行擬合計算，選取擬合精度最高的若干個分位數計算結果作為回歸模型的參數；

(6)通過步驟(5)中得到的若干回歸模型參數確定相應個數的回歸模型，利用檢驗數據對這幾個模型進行預測精度的檢驗，將精度最高的模型作為最終的預測模型。