期刊专题

10.11896/j.issn.1002-137X.2017.05.048

基于卡尔曼滤波参数自学习的大坝变形预测

引用
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MonteCarlo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.

Monte Carlo、拒绝采样、卡尔曼滤波、参数自学习、大坝变形预测

44

TP311(计算技术、计算机技术)

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

2017-06-13(万方平台首次上网日期,不代表论文的发表时间)

共5页

268-271,275

暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

44

2017,44(5)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn