变形监测预报与分析在工程建设中有重要的意义。本文主要针对贫信息的变形监测系统进行分析和研究。介绍了数据预处理中缺失数据和粗差处理的几种方法,编程实现剔除粗差的过程。本文在数据预处理的基础上,利用灰色模型和灰色时序组合模型对获取的贫信息的变形监测数据进行分析与预测,本文主要研究内容和结果如下:1.对于具有某种确定性发展趋势的工程实测数据,分别建立灰色模型和线性回归模型进行分析。利用后验差对灰色模型的预测精度进行评定,灰色模型预测精度等级为一级;对线性回归模型的拟合优度进行检验,得出回归方程的拟合程度高。2.传统灰色GM(1,1)模型的误差主要来源于背景值的构造和初值的选择。本文对传统的灰色模型进行改进,以平均相对误差最小时的权值对背景值进行重构,或者以建模方差最小选取初值,都能提高灰色模型的预测精度。3.分别建立传统灰色模型、新信息模型、新陈代谢模型,通过实验对比分析,得出以下结论:新陈代谢模型精度最高,新信息模型次之,传统模型最低。4.本文通过实例分析发现:模型的预测精度与数据序列的长度有关。以最旧数据和最新数据分别构造领域族,建立灰色模型群。得出维度太高或者太低都不是最优的预测维度,数据不同,适宜预测维度不同。因此,要根据工程实际数据特征,以最旧数据和最新数据分别构造领域族,然后以相应的精度标准进行维度优选。5.本文选用两个数据集作分析。对数据集1,分别采用单一灰色模型和传统灰色时序组合模型,对后5期数据进行预测,实验结果证明:传统灰色时序组合模型的精度高于单一灰色模型。对数据集2,分别采用传统灰色时序组合模型和改进灰色时序组合模型,对后5期数据进行预测,实验结果证明:传统灰色时序组合模型的预测精度已经很好,而改进灰色时序组合模型的预测精度又较前者有所提高。