基于卡尔曼滤波参数自学习的大坝变形预测.pdfVIP

第44卷第5期 计算机科学 V01．44No．5 2017年5月 COM[PUTERSCIENCE 2017 May 基于卡尔曼滤波参数自学习的大坝变形预测 占鹏飞 吕鑫毛莺池徐淑芳王龙宝马鸿旭 (河海大学计算机与信息学院 南京210098) 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Monte Carlo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MonteCarlo，拒绝采样，卡尔曼滤波，参数自学习，大坝变形预测 DOI 2017．05．048 中图法分类号TP311文献标识码A lO．11896／j．issn．1002—137X Parameter MethodBasedonKalmanFilterforDamDeformationPrediction Self_iearning ZHAN LVXinMAO XU WANG MA Peng-fei Ying-chiShu-fang Long-baoHong-xu of and (CollegeComputerInformation，HohaiUniversity，Naniing210098，China) AbstractKalmanfilteris todamdeformation identificationof to widelyapplied prediction．However，theparameters the thestateandobservationnoisecovariancematrices，isderived fromthe of model，especially mostly experienceengi— or methodwas for whichthe neeringexpertknowledge．Therefore，aself-learning proposedparameteridentifying，inpa- rametersofKalmanfilteraredeterminedthecombinationofMonteCarloand fromhis— by sampling rejection algorithm data．More statenoisesortedout onesisevaluated observations from tory precisely，the training bysamples，whose ap— actualvalue theobservat