10.3969/j.issn.1006-4303.2021.04.005
卡尔曼滤波在预测管廊甲烷体积分数中的应用
为提高综合管廊环境监控系统的预警性,保障管廊安全运行,必须解决燃气舱甲烷体积分数在预测过程中存在的偏差问题.通过加入温度参数对预测数据进行补偿,建立卡尔曼滤波甲烷体积分数预测模型,并对比神经网络与卡尔曼滤波相结合的经典模型.仿真结果表明:加入温度补偿后的卡尔曼滤波方法得到的平均误差为6.18%,神经网络结合卡尔曼滤波方法得到的平均误差为8.79%.对比分析表明:温度补偿后的卡尔曼滤波方法预测效果更优,具有较好的跟踪能力和反应速度,预测值更接近测量值.
综合管廊、温度补偿、卡尔曼滤波、预测模型
49
TU990.3(地下建筑)
2021-07-19(万方平台首次上网日期,不代表论文的发表时间)
共5页
392-396