基于卡尔曼滤波的GM模型及其在公路边坡变形预测中的应用
在公路边坡变形监测与预测中,当用GM(1,1)模型对稳定的变形数据序列进行预测时,效果较好.但是,如果变形数据中因外界因素干扰而出现异常数据,使变形曲线发生波动,此时单纯采用GM(1,1)模型进行预测,就难以取得理想的预测精度.为此,本文提出一种基于卡尔曼滤波的GM预测模型,即先用卡尔曼滤波法对原始变形监测数据进行滤波处理,而后再建立GM模型进行灰色预测.通过公路边坡变形预测的应用研究,证明基于卡尔曼滤波的GM模型可以有效地提高预测精度.
边坡、卡尔曼滤波、GM(1,1)模型、预测
TU196(建筑基础科学)
2007-07-26(万方平台首次上网日期,不代表论文的发表时间)
共4页
56-59