变形预测模型及其工程应用9787030728500

第1章变形监测与预报的相关理论

1.1相关基础知识

1.1.1变形监测的内容

1.1.2变形模型

1.2变形监测方案设计

1.2.1变形监测网的布设

1.2.2变形监测方案的制定准则

1.2.3典型变形的准则分析

1.2.4选择不同的监测对象应考虑的问题

1.3变形监测的基本方法

1.3.1常规大地测量方法

1.3.2摄影测量方法

1.3.3其他测量方法

第2章回归模型

2.1概述・

2.2单因子回归模型

2.2.1线性单因子回归模型

2.2.2“+”函数模型

2.2.3非线性单因子回归模型

2.2.4单因子组合模型·

2.3多元线性回归模型

2.4顾及时间及水位因子的预测模型

2.5多因子时变预测模型·

2.6稳健线性回归模型

2.6.1稳健估计的原理

2.6.2稳健估计的选权迭代法

2.6.3常用稳健最小二乘估计方法

2.7再生权最小二乘线性回归模型

第3章灰色模型

3.1灰色系统理论的基本理论

3.1.1基本概念

3.1.2累加生成与累减生成

3.1.3灰色关联分析

3.2GM（1.1）模型

3.3中心逼近式灰色GM（1,1）模型

3.4基于背景值优化及初始条件优化的GM(1,1)模型

3.5加权GM（1,1）模型

3.6非等间距GM（1,1）模型

3.7灰色GM（2,1）模型

3.8GM（1,N)模型

3.9多变量灰色模型

3.10改进的灰色线性回归组合模型

3.11时变参数灰色模型

第4章时间序列分析模型

4.1随机过程

4.2线性差分方程

4.3时间序列数据的预处理

4.4ARMA（n,m）模型的基本概念

4.5 ARMA模型的Box建模方法

4.6 ARMA模型的DDS建模方法

4.7基于灰色模型的时间序列模型

4.7.1非平稳时间序列的建模方法

4.7.2基于灰色模型的时间序列模型的建立

4.7.3模型分析

4.8基于时变参数灰色模型的ARMA模型

第 5章 卡尔曼滤波模型.

5.1基于运动模型的卡尔曼滤波模型

5.1.1卡尔曼滤波模型的基本理论

5.1.2状态方程和观测方程的建立

5.1.3算例

……

7.3.2正交小波基的构造

7.3.3离散小波分解与重构的Mallat算法

7.4小波函数

7.4.1小波基的数学特征

7.4.2几种常用的小波函数

7.5小波分解与重构法去噪

7.6非线性小波变换阈值法去噪

7.7 小波滤波去噪效果评价指标

7.8基于小波分析的非线性回归模型

7.9灰色小波模型

7.10基于小波去噪的卡尔曼滤波模型

7.11小波神经网络模型

7.12基于灰色模型的小波神经网络模型

第8章非线性模型

8.1 非线性参数模型

8.1.1最小二乘参数估计法的基本原理

8.1.2最小二乘参数估计法

8.2非线性非参数模型

8.2.1权函数法

8.2.2最小二栗类估计法

8.3非线性半参数模型

参考文献

本书系统介绍变形预测模型的建立方法。全书分为8章，内容包括变形监测与预报的相关理论、回归模型、灰色模型、时间序列分析模型、卡尔曼滤波模型、神经网络模型、小波分析模型、非线性模型。本书凝练了作者30余年来变形预测模型方面的研究成果，同时吸收了目前变形预测模型研究方面的最新成果，具有较强的系统性。本书注重理论联系实际，将相关模型结合起来建立相应的综合预测模型。书中附有大量的计算实例，便于读者理解和应用。