基于时间序列的滑坡监测与预报

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于时间序列的滑坡监测与预报范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：我国国土地形地貌错综复杂，并且大多以山地为主，是世界上滑坡等地质灾害多发的国家之一，滑坡也是对人类危害最大的自然灾害之一。古今中外，关于滑坡的案例举不胜举，成功的不少，失败的更多。因此滑坡成因监测及其预测、预报研究具有十分重要的现实意义 。滑坡监测的最终目的是预测，即利用长期积累的观测资料掌握变化规律，对地质体的未来性态做出及时有效的分析和预报。对滑坡观测数据的处理一直也是各国专家学者研究的重点。

关键词：滑坡监测；预报分析 ；时序分析

1滑坡监测的方法

目前常用的滑坡监测方法主要有宏观地质监测法、简易监测法、设站观测法、大地精密测量法、仪表监测法和自动遥测法等。新技术有基于GPS的滑坡监测、合成孔径雷达干涉测量、激光扫描技术、其他光电技术等。其中， GPS作为现代大地测量中一种重要的技术手段，可以同时测量出三维位移量X， Y和Z，作业方便简单且精度高、投入快、易监测，可以进行全天候连续监测，同时不受气候条件的限制。

2时间序列分析

时间序列的含义是指被观察到的依时间为序排列的数据序列。

它的特点有：（1）现实的、真实的一组数据，而不是数理统计中做实验得到的。既然是真实的，它就是反映某一现象的统计指标，因而，时间序列背后是某一现象的变化规律。（2）动态数据。 时间序列研究实质是通过处理预测目标本身的时间序列数据，获得事物随时间过程的演变特性与规律，进而预测事物的未来发展。它不研究事物之间相互依存的因果关系。 其假设基础是惯性原则。即在一定条件下，被预测事物的过去变化趋势会延续到未来。暗示着历史数据存在着某些信息，利用它们可以解释与预测时间序列的现在和未来。时间序列常用模型：（1）AR模型也称为自回归模型。它的预测方式是通过过去的观测值和现在的干扰值的线性组合预测。简记为AR（P）。 （2）MA模型也称为滑动平均模型。它的预测方式是通过过去的干扰值和现在的干扰值的线性组合预测。简记为MA（q）。 （3）ARMA模型：自回归模型和滑动平均模型的组合，便构成了用于描述平稳随机过程的自回归滑动平均模型ARMA。简记为ARMA（p，q）。

3.算例分析

3.1实例介绍

延安以南经铜川等渭北一带直至渭河盆地内的台源边坡，各种类型的黄土滑坡厂泛发育。每逢雨涝，大地封冻、解冻时期，各种崩塌、滑坡等灾害多有所见。本文使用的数据是延安某处滑坡点1到23期监测的下沉位移。

3.2数据处理

对于滑坡产生的位移而言，可以看做是一个随时间变化的时间序列。通过利用时间序列的分解方法建立出关于滑坡位移预测预报模型，以动态监测滑坡的位移变化。

第一步：创建时间序列

第二步：绘制出自相关图和偏自相关图

第三步：模型预测

4结语

利用时间序列建立模型对沉降拟合，并进行预测，沉降曲线的形式及规律能够准确的利用时间序列模型进行拟合预测成为可能 。由于应用时间序列分析理论对模型进行定阶，本身就是一个比较复杂的过程，再加上测量数据在量测过程中，不可避免地会有些误差，甚至出现异常值，这都增加了模型定阶的困难，通过按照时间序列理论对模型进行了合理的定阶，可以对滑坡等进行预报，效果较为理想。

参考文献：

[1]杨佳洁. 一元线性回归分析法在高层建筑变形监测分析与预报中的应用[J]. 科技致富向导， 2012 （15）： 89-90.

[2]周宗华， 王翔俊， 余和园， 等. 线性回归在滑坡监测数据粗差判别中的应用[J]. 中国地质灾害与防治学报， 2009， 20（3）： 118-121.

[3]林勋. 时间序列分析在建筑物变形监测中的应