文献综述（或调研报告）：
1、序言
变形监测，就是利用专用仪器和方法对变形体的变形现象进行监视观测的工作。在工程建设中，常用变形监测的方法对可能发生变形的物体，如建筑物、高速公路、隧道、桥梁等进行监测，为工程建设的可行性评估、施工以及后期运营提供数据资料。
随着工程建设的进展，变形监测的工作具有一定的周期性，因此其获得的数据之间存在着统计相关性。根据数据之间的这种相关性，对变形数据进行分析和预测，是变形分析研究的重要内容。近年来，对变形数据分析的方法很多，有回归分析、时间序列分析法、灰色系统理论、BP神经网络法等。时间序列法是一种动态数据处理方法，它是一种处理随时间变化而又相互关联的数据的数学方法，是用来分析各种相依有序的离散数据集合幢。时间序列分析的特点在于：逐次的观测值通常是不独立的，且分析必须考虑到观测资料的时间顺序，当逐次观测值相关时，未来数值可以由过去观测资料来预测，可以利用观测数据之间的自相关性建立相应的数学模型来描述客观现象的动态特征。
所谓时间序列分析（Time series analysis)是一种动态数据处理的统计方法。该方法基于随机过程理论和数理统计学方法，研究随机数据序列所遵从的统计规律，以用于解决实际问题。它包括一般统计分析(如自相关分析，谱分析等)，统计模型的建立与推断，以及关于时间序列的最优预测、控制与滤波等内容。经典的统计分析都假定数据序列具有独立性，而时间序列分析则侧重研究数据序列的互相依赖关系。后者实际上是对离散指标的随机过程的统计分析，所以又可看作是随机过程统计的一个组成部分。
因此时间序列分析常用在国民经济宏观控制、区域综合发展规划、企业经营管理、市场潜量预测、气象预报、水文预报等方面，以及建筑物的变形观测预测分析。
2、国内外研究现状
近几年来，人们已愈益认识到现场监测的重要性，并提出了信息化施工方法“。由于基坑工程现场监测的时间序列数据中蕴含着系统演化的信息，所以期望能从这些数据中找出其蕴含的规律，并用已知的观测数据来预测系统未来的发展动态，也即利用施工过程中监测的信息来预测可能引起的过量的变形位移和土体或结构潜在的失稳、破坏，进而反馈于原设计，及时调整施工方案，或采取应急对策。所采用的预测方法多种多样，如回归分析、灰色预测、时间序列分析、神经网络等。
时间序列在工程施工方面的起步较晚，它是随着人们不断的对施工精度、安全性的要求变高的情况下才渐渐开始发展的，主要应用在高层建筑物变形，钢结构变形，以及基坑变形等领域。
近20年来，时间序列分析在理论与应用方面得到蓬勃发展，成为概率统计学中的重要分支，它在众多领域得到广泛应用。目前单因素法的时间序列分析已有了成熟的理论，而多因素法仍处于探索阶段。客观世界中，事物的发展通常不是由某项单个的因素所决定，往往是许多错综复杂的因素综合作用的结果。为了得出对某项事物更加精确的预测，就要采用更加接近客观现实的模型，这是本文提出多因素时间序列模型的主要设想。它首先利用单因素时间序列法对各项影响事物发展趋势的因素进行预测；然后利用多元线性回归法将各种因素综合起来，以求得事物的总发展趋势。
