基于卡尔曼滤波算法的瓦斯浓度时间序列预测分析

摘要：

针对自回归AR（ p）模型在进行非平稳瓦斯浓度时间序列预测分析时存在精确度不高的问题，文章采用卡尔曼滤波算法动态地估算出模型参数值，在推算过程中将模型参数作为状态向量。实例分析表明基于卡尔曼滤波算法的AR（ p）模型优于单一的AR（ p）模型，大幅度地提高了模型的预测精度，预测效果远好于BP神经网络、支持向量机和ARMA等模型，值得借鉴。

关键词：AR(p)模型、状态向量、卡尔曼滤波算法、预测分析

分类号：O236(控制论、信息论（数学理论）)

资助基金：甘肃省科技厅项目“石油化工企业应急演练系统”1204GKCA004；甘肃省财政厅专项资金立项资助甘财教[2013]116号

在线出版日期：2015-11-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：7-9,40