基于神经网络的新息自适应卡尔曼滤波在高速公路变形监测中的应用

实际应用中卡尔曼滤波的动态噪声和观测噪声往往不是固定的，提出运用新息自适应卡尔曼滤波法则对噪声进行实时估计。同时，为了克服新息自适应卡尔曼滤波要求系统模型过分精确的缺点，基于神经网络的新息自适应卡尔曼滤波算法，通过使用神经网络进行误差补偿来提高滤波性能，并运用于高速公路变形监测中。结果表明：该模型与原始观测值的残差全部降到了０.２５ｍｍ以下，说明该模型精度很高，在实际应用中具有一定的可行性。