| 基于卡尔曼滤波参数自学习的大坝变形预测 |
| |
| 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 |
|
|
