基于MLR–SARIMA模型的土石坝位移预测

摘要

为分析周期因子与时效因子分别对土石坝位移的影响,更好地掌握土石坝位移变化的成因和趋势,进行土石坝位移数据中周期成分和趋势成分的变化规律和预测方法研究。采用HP(Hodrick–Prescott)滤波将实测位移序列分解为趋势项和周期项两部分,对趋势项建立基于MLR(multiple linear regression)的预测模型,对周期项建立基于SARIMA(seasonal auto-regressive integrated moving average)的预测模型,结合以上两模型的结果对土石坝位移进行预测,即MLR–SARIMA预测模型。该模型突出了MLR模型在趋势性数据上的预测优势和SARIMA模型在周期性数据上的预测优势,且仅从实测位移数据分析预测,可适用于缺少环境量数据的情况。实测位移序列经HP滤波分解后,趋势项位移呈缓慢增长趋势,年变幅从1.42至0.51 mm逐渐降低,表明由时效因子引起的土石坝趋势性位移量逐年减小,且已趋于稳定;周期项位移具有明显年周期性,这是由于土石坝位移受到年周期性变化的水位和温度影响,年变幅约为7.00 mm,表明该土石坝位移量主要是由周期因子引起的周期性位移;该变化规律符合土石坝位移的一般变化规律,说明HP滤波可很好地提取土石坝位移数据中的周期成分和趋势成分。MLR–SARIMA模型预测结果准确,相对误差较小,均在5%以内,且均方根误差、平均绝对误差百分比和调整的平均绝对误差百分比这3个指标均优于单一SARIMA模型,表明MLR–SARIMA模型突出了其在预测周期性和趋势性数据方面的优势,可适用于土石坝位移预测。