基于卡尔曼滤波算法的瓦斯浓度时间序列预测分析.pdfVIP

2015年第5期 工业仪表与 自动化装置 ·7 · 基于卡尔曼滤波算法的 瓦斯浓度时间序列预测分析 王江荣 ，文 晖 ，罗资琴 (兰州石化职业技术学院 a．信息处理与控制工程系；b．石油化学工程系，兰州 730060) 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 中图分类号：0236 文献标志码 ：A 文章编号：1000—0682(2015)05—0007—03 Gasconcentrationtimeseriespredictionanalysisbase