下面是几种应用较多的典型的变形监测数据处理模型: 一.根据曲线拟合的趋势，通过位移和时间曲线拟合趋势模拟的变形方法，

选择合适的曲线拟合，选择残差平方和最小多项式拟合曲线和剩余曲线。这种方 法适用于变形和引起不确定性之间的关系，或导致更复杂的定量分析，使用这种 方法需要大量的观测数据，一般情况下，通过多项式拟合的线性假设检验，以确 定数量的高阶。 

二.时间序列分析是变化式变形监测的数据处理方法，时间序列是变化的， 但是要保证周期性，变形监测体的变形会受到各种因素的影响，特别是时间序列 的影响。所以观测数据是以时间为横轴的观测序列[7]。 

三.1960 年，变形监测数据处理的方法在迅速的发展。卡尔曼滤波技术就是 在那个时候被发明出来的，是由 Kalman 发现的一种数据处理方法。这种方法对 动态系统做实时监测，并将结果解算出来。因此建立卡尔曼滤波模型需要大量的 重复观测数据。在这一过程中，状态参数的选择决定了你是否能够建立质量好的 卡尔曼滤波模型，对整个数据的处理有着非常大的影响。这一技术的特点就是实 时的监测、处理、修正，因此卡尔曼滤波是某个时刻的状态。 

四.人工神经网络(Artificial Neural Networks )在 1980 年开始兴起，能 够近似的模拟复杂的非线性系统。因其存储特点是分布式的，符合现在技术的更 新发展方向。在数据处理方面，它能够并行处理数据，因此能够大大缩短处理数 据所用的时间。现在这种技术在变形监测研究方面有着很广泛的应用。 来!自~优尔论-文|网www.youerw.com

五. 小波分析理论，是目前最先进的变形监测数据分析理论。它的特点是可 以处理大子样容量的时间序列，这一突破进展，使得好多无法解决的难题变得简 单。它处理数据能够达到很高的精度要求，而且能够处理非平稳信号，使其消除 外界杂音的影响。这种时频局部化分析方法越来越受到人们的重视，应用越来越 广泛[8]。 

六. 灰色系统理论，就是对变形监测数据处理过程中数列的建模。 灰色系统理论，实际上是对生成数列的建模(其他模型是采用原始数列直接

建模)。利用这种方式建模，对原始数据的要求不是很高。灰色系统理论虽然对 原始数列的要求不高，但是只需要 4 个原始数列，其处理数据的能够达到很高的 精度要求。