蒋　涛

(1. 矿山空间信息技术国家测绘地理信息局重点实验室,河南 焦作 454000;2.河南理工大学　测绘与国土信息工程学院，河南 焦作 454000)



基于卡尔曼滤波的优化GM(1,1)模型在建筑物沉降预测中的应用

蒋涛1,2

(1. 矿山空间信息技术国家测绘地理信息局重点实验室,河南 焦作 454000;2.河南理工大学测绘与国土信息工程学院，河南 焦作 454000)

为了提高灰色GM(1,1)模型的抗扰动能力和预测精度，运用卡尔曼滤波对原始沉降数据进行滤波去噪，并重新构建灰色GM(1,1)模型的背景值，建立基于卡尔曼滤波的优化GM(1,1)模型。以某建筑物实测沉降数据为例，进行新模型、传统灰色GM(1,1)模型和优化的GM(1,1)模型的计算比较，结果表明，新模型不仅可以有效剔除监测数据中的随机噪声， 而且提高了模型精度。

GM(1,1)模型；背景值；卡尔曼滤波；沉降预测

通过已有沉降监测数据的处理和分析研究，构建科学的预测模型，对建筑物的安全监测与灾害预报工作具有极其重要的实际意义。近年来，国内外学者围绕灰色理论在沉降监测预测方面的应用进行了大量研究。文献[1]从传统灰色GM(1,1)建模原理入手，从模型的初值选取[2]、背景值的构造[2-3]以及残差的处理方面[4]进行综合系统的优化，并将优化模型运用到大坝的变形监测实验中，综合优化的模型可获得较高精度的大坝沉降预测结果。文献[5]针对沉降观测中时间序列间隔不同，提出了非等距灰色GM(1,1)模型，并将其加权处理模型应用到建筑物的沉降观测工作中，获得了比传统模型更高精度的预测结果。……