| 基于卡尔曼滤波参数自学习的大坝变形预测 |
| |
| 引用本文： | 占鹏飞,吕鑫,毛莺池,徐淑芳,王龙宝,马鸿旭. 基于卡尔曼滤波参数自学习的大坝变形预测[J]. 计算机科学, 2017, 44(5): 268-271, 275 |
| |
| 作者姓名： | 占鹏飞 吕鑫 毛莺池 徐淑芳 王龙宝 马鸿旭 |
| |
| 作者单位： | 河海大学计算机与信息学院 南京 210098,河海大学计算机与信息学院 南京 210098,河海大学计算机与信息学院 南京 210098,河海大学计算机与信息学院 南京 210098,河海大学计算机与信息学院 南京 210098,河海大学计算机与信息学院 南京 210098 |
| |
| 基金项目： | 本文受水利部公益性行业科研专项经费项目(201501007),NSFC-广东联合基金重点项目(U1301252),国家科技支撑计划(2013BAB06B04,HNKJ13-H17-04),国家自然科学基金面上项目(61272543)资助 |
| |
| 摘 要： | 卡尔曼滤波模型被广泛运用于大坝的变形预测,然而其参数的识别,尤其是状态和观测噪音协方差矩阵的识别,主要来源于工程经验和领域专家知识。因此提出一种自学习的参数识别方法,该方法基于历史数据,结合Monte Carlo和拒绝采样算法获取卡尔曼滤波参数。具体地,从训练样本中挑选出与真实值最接近的实测值对状态噪音进行估计,并通过计算它与总体误差的差值来确定观测噪音。实验表明,相比已有的同类方法,该方法的准确性更高,更适用于大坝变形预测。
|
| 关 键 词： | Monte Carlo 拒绝采样 卡尔曼滤波 参数自学习 大坝变形预测 |
| 收稿时间： | 2016-06-24 |
| 修稿时间： | 2016-09-29 |
Parameter Self-learning Method Based on Kalman Filter for Dam Deformation Prediction |
| |
| ZHAN Peng-fei,LV Xin,MAO Ying-chi,XU Shu-fang,WANG Long-bao and MA Hong-xu. Parameter Self-learning Method Based on Kalman Filter for Dam Deformation Prediction[J]. Computer Science, 2017, 44(5): 268-271, 275 |
| |
| Authors: | ZHAN Peng-fei LV Xin MAO Ying-chi XU Shu-fang WANG Long-bao MA Hong-xu |
| |
| Affiliation: | College of Computer and Information,Hohai University,Nanjing 210098,China,College of Computer and Information,Hohai University,Nanjing 210098,China,College of Computer and Information,Hohai University,Nanjing 210098,China,College of Computer and Information,Hohai University,Nanjing 210098,China,College of Computer and Information,Hohai University,Nanjing 210098,China and College of Computer and Information,Hohai University,Nanjing 210098,China |
| |
| Abstract: | |
| |
| Keywords: | Monte Carlo Rejection sampling Kalman filter Parameter self-learning Dam deformation prediction |
|
|
点击此处可从《计算机科学》下载全文 |
|
