基于卡尔曼滤波参数自学习的大坝变形预测

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.

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

所属期刊栏目：44

分类号：TP311(计算技术、计算机技术)

资助基金：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

在线出版日期：2017-06-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：268-271,275