[發明專利]一種沉降預測模型高效更新方法

有效

• 申請號: 202110449336.6
• 申請日: 2021-04-25
• 公開（公告）號: CN113255104B
• 公開（公告）日: 2022-11-01
• 發明（設計）人: 于先文;鄭一帆
• 申請（專利權）人: 東南大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F30/13
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 羅運紅

1.一種沉降預測模型更新方法，其特征在于，該方法具體包括以下步驟：

步驟一、將非線性的沉降預測模型根據特點進行線性化處理，得到用于回歸的線性沉降模型；

步驟二、根據前n期沉降觀測數據擬合初始模型，獲得預測模型的初始參數向量估值即完成擬合，并計算初始相關系數γ_(n)，用于評價擬合效果，其中，n為建立模型所需的最少沉降觀測數據量，沉降數據由時間和沉降值組成；

步驟三、工程進行第n+1期沉降觀測后，獲得第n+1期沉降數據，此時需要重新擬合沉降模型，即對模型的參數向量估值進行更新，基于前n期沉降觀測數據擬合的參數向量估值與第n+1期沉降數據，計算得到更新后的參數向量估值

步驟四、基于更新前的保留的參數，對模型的相關系數進行更新，計算更新后模型的相關系數γ_(n+1)用于評價更新后的模型擬合效果；

步驟五、不斷增加沉降觀測數據，重復步驟三、四同步實現沉降預測模型的迭代更新。

2.根據權利要求1所述的一種沉降預測模型更新方法，其特征在于，在步驟一中，所述不同的沉降預測模型包括雙曲線模型或星野法模型，其沉降預測模型分別如下：

雙曲線模型：

其中，S_t、t分別為任意時間的沉降量和所對應的時間，其基準分別為主體工程完工的沉降量與時間；α、β為模型的未知參數；

星野法模型：

其中，S_t、t同式(1)所述；A、K為模型的未知參數。

3.根據權利要求2所述的一種沉降預測模型更新方法，其特征在于：在步驟一中，建立的線性沉降模型為：

y＝FA (3)

不同模型轉化而來的線性模型，其符號代表的含義也不同，其中，因變量y代表雙曲線模型中的t/S_t，代表星野法模型中的t/S_t²；F＝[1 t]為時間觀測向量；為待估參數向量，代表雙曲線模型中的代表星野法模型中的

4.根據權利要求3所述的一種沉降預測模型更新方法，其特征在于：在步驟二中，每次觀測得到的時間與沉降為一期數據，利用前n期沉降觀測數據可以得到觀測誤差方程為：

其中，v_n為第n期沉降數據的誤差改正數，F_n＝[1 t_n]，t_n為第n期沉降數據的時間值，y_n為第n期沉降數據的因變量值；

令計算首個參數向量的估值為：

其中，為權矩陣，通常為單位陣；p_n為第n期沉降數據的權，n為建立模型所需的最少數據量。

5.根據權利要求4所述的一種沉降預測模型更新方法，其特征在于：在步驟二中，獲得第一次更新所需的虛擬權陣W_(n)，即估值的權陣，為：

虛擬權陣的迭代公式為：

其中，E為二階單位陣，F_n+1＝[1 t_n+1]，t_n+1為第n+1期沉降數據的時間值，p_n+1為第n+1期沉降數據的權。

6.根據權利要求5所述的一種沉降預測模型更新方法，其特征在于，在步驟二中，向量估值所得預測模型的相關系數γ_(n)的計算公式為：

其中，為n期時間值的平均值，為n期因變量值的平均值，t_i為第i期沉降數據的時間值，y_i為第i期沉降數據的因變量值。

7.根據權利要求6所述的一種沉降預測模型更新方法，其特征在于：在步驟三中，所述更新后的參數向量估值的計算公式為：

其中，E為二階單位陣，W_(n)為虛擬權陣，y_n+1為第n+1期沉降數據的因變量值，根據式(9)可得線性預測模型為：