庄克强-时间序列分析模型在边坡变形监测中的应用

《庄克强-时间序列分析模型在边坡变形监测中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、闽江学院本科毕业论文(设计)题目时间序列分析模型在边坡变形监测中的应用学生姓名庄克强学号3110502118系别地理科学系年级11级专业测绘工程指导教师管庆林职称完成日期I闽江学院毕业论文（设计）诚信声明书本人郑重声明：兹提交的毕业论文（设计）《基于GPS技术的边坡变形监测和数据处理分析》，是本人在指导老师管庆林的指导下独立研究、撰写的成果；论文（设计）未剽窃、抄袭他人的学术观点、思想和成果，未篡改研究数据，论文（设计）中所引用的文字、研究成果均已在论文（设计）中以明确的方式标明；在毕业论文（设计）工作过程中，本人恪守学术规范，遵守学校有

2、关规定，依法享有和承担由此论文（设计）产生的权利和责任。声明人（签名）：庄克强年月日II摘要滑坡问题是目前全世界范围内危害性最为严重的地质灾害之一，边坡的失稳坍塌会对国家和人民的生命和财产产生严重的威胁。如何能够及时、准确的对边坡未来的发展状况进行预报，一直是众多学者和工程设计人员所研究的重点。本文采用时间序列分析模型对边坡的监测数据进行分析建模。在文中阐述了时间序列分析法的基本思想，对时间序列分析模型的几种模型、模型的建立过程进行了介绍。文中通过结合具体的工程实例，具体介绍了时间序列分析模型的建模过程，通过所建的模型对边坡的未来发展趋势

3、作出了预测，并详细的分析了预报的结果。论证了时间序列分析模型在边坡的预测方面具有较高的适用性，尤其是在对边坡的短期预测时，时间序列分析模型具有较高的预测精度。总之，时间序列分析模型能够比较准确地反映出边坡未来的发展趋势，对边坡的预测能够得到较高精度，能够提早为边坡的变形作出预警，从而实现对边坡的安全监控，减少由于滑坡所造成的损失。将时间序列分析模型运用在边坡变形监测中具有较高的研究价值。关键字：边坡变形监测；时间序列分析模型；预测IAbstractLandslideisoneofthemostseriousgeologicaldisast

4、ersintheworld,SlopeinstabilityandcollapsehaveaseriousthreattoCountryandthepeople'slivesandproperty.Howtimely,accuratestatusontheslopetopredictthefuture,hasbeenthefocusofmanyscholarsandengineeringstaffstudied.Inthispaper,timeseriesanalysismodeltoanalyzetheslopemonitoringda

5、tamodeling.Describesthebasicideaoftimeseriesanalysisinthispaper,theprocessofestablishingseveralmodelsfortimeseriesanalysismodel,themodelwasintroduced.Thispaperworksbybindingspecificexamples,describesthemodelingprocessspecifictimeseriesanalysismodel,amodelbuiltbythefutured

6、evelopmenttrendoftheslopemadetheprediction,anddetailedanalysisoftheresultsofforecasts.Timeseriesanalysisdemonstratestheapplicabilityofthemodelhashighpredictionoftheslope,especiallywhentheslopeoftheshort-termforecasting,timeseriesanalysismodelhashighpredictionaccuracy.Insh

7、ort,timeseriesanalysismodelcanaccuratelyreflectthefuturetrendslopeoftheslopecanbepredictedwithhigherprecision,itispossibletomakeanearlywarningtothedeformationoftheslope,inordertoachievetheslopesafetymonitoring,reduceBecauseofthelosscausedbythelandslide.Thetimeseriesanalys

8、ismodelusedinslopemonitoringhashighresearchvalue.Keywords：Deformationmonitoring;Timeseriesanalys