《表3 两种模型拟合结果与监测结果的对比Tab.3 Comparison of Two Model Fitting Results and Monitoring Results》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种无偏模型在变形监测中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

拟合结果如表3和图3所示。从表3和图3的结果可以看出，无偏NGM（1，1，k）模型（一次累加）和无偏NGM（1，1，k）模型（一次累减）的拟合精度相差不大，分别为0.64%和0.70%。无偏NGM（1，1，k）模型（一次累减）的预测精度要稍高于无偏NGM（1，1，k）模型（一次累加），分别为0.83%和1.20%。观察监测位移数据可以发现，无偏NGM（1，1，k）模型（一次累减）含有明显的线性趋势；而以无偏NGM（1，1，k）模型（一次累加）拟合得到的拟合函数为非齐次指数函数，即式（28）为一个明显的收敛函数。随着时间的增加，滑坡位移最终收敛于117.004 7mm，这与滑坡位移的实际发展趋势不符。黄茨滑坡于1995年1月30日发生整体下滑[21]。从图3中也可以看出，无偏NGM（1，1，k）模型（一次累加）的预测值偏低，未来预测值会逐渐偏离实际位移发展。无偏NGM（1，1，k）模型（一次累减）考虑了线性趋势，所以预测结果与实际结果更接近，所得参数m=0.048接近于0，说明当前滑坡位移基本处于等速增长阶段，指数趋势较弱。在实际应用时，需要采用动态建模方法，以判断滑坡位移是否进入快速增长趋势，即观察参数m和n/m的变化。