基于卡尔曼滤波参数自学习的大坝变形预测

发布时间：2018-04-10 17:02

  本文选题：Monte + Carlo　； 参考：《计算机科学》2017年05期

【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。
[Abstract]:Kalman filter model is widely used in dam deformation prediction. However, the identification of parameters, especially the identification of state and observation noise covariance matrix, mainly comes from engineering experience and domain expert knowledge.Therefore, a self-learning parameter identification method is proposed, which is based on historical data and combines Monte Carlo and rejection sampling algorithm to obtain Kalman filter parameters.Specifically, the state noise is estimated by selecting the measured value closest to the real value from the training sample, and the observed noise is determined by calculating the difference between the state noise and the total error.The experimental results show that the proposed method is more accurate and more suitable for dam deformation prediction.
【作者单位】： 河海大学计算机与信息学院;
【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)资助
【分类号】：TV698.11

【相似文献】

相关期刊论文 前10条

1 滕凯,魏永霞,燕树立;关于大坝变形预测模型的进一步研究[J];岩土工程技术;2001年03期

2 陆付民;顾及多个因子的卡尔曼滤波法在大坝变形分析中的应用[J];水电自动化与大坝监测;2003年03期

3 林英,邹继锋,洪伟,杨大明;时间序列分解模型在大坝变形预测中的应用[J];东北水利水电;2003年05期

4 魏坤孔,张立勇;加速遗传算法在大坝变形分析与预测方面的应用[J];四川水利;2004年01期

5 王新洲,邓兴升;大坝变形预报的模糊神经网络模型[J];武汉大学学报(信息科学版);2005年07期

6 张永光;王兰锋;吕开云;;小浪底水利枢纽大坝变形的灰色预测模型[J];测绘科学;2006年06期

7 闫滨;周晶;;大坝变形预测的径向基函数网络模型[J];人民长江;2006年11期

8 姜立新;康飞;胡军;;大坝变形非线性智能组合预测方法研究[J];四川建筑科学研究;2008年03期

9 田旦;许才军;周命端;陈浩;;基于混沌时间序列的大坝变形短期预测[J];水电自动化与大坝监测;2008年05期

10 朱金海;丛枝鲜;李秀海;;大坝变形的动态预报模型研究[J];煤炭技术;2009年03期

相关会议论文 前8条

1 刘子侠;王清;王永全;;基于聚类分析与两级模糊综合评判相结合的大坝变形分析与预报研究[A];第二届全国岩土与工程学术大会论文集（上册）[C];2006年

2 张猛;朱锦杰;滕世敏;李得英;;公伯峡水电站大坝变形性态分析[A];高寒地区混凝土面板堆石坝的技术进展论文集[C];2013年

3 徐伟;何金平;;基于多尺度小波分析的大坝变形自回归预测模型[A];2012年中国水力发电工程学会大坝安全监测专委会年会暨学术交流会论文集[C];2012年

4 张永光;陈余才;薛倩;丁俊福;;指数平滑法在小浪底大坝变形预测中的应用[A];现代空间定位技术应用研讨交流会论文集（第5卷 第3集）[C];2007年

5 崔建伟;薛建成;李学全;张永光;;指数平滑法在小浪底大坝变形预测中的应用[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

6 杨宁安;;猫跳河红枫水电站大坝变形观测资料分析[A];中国水力发电工程学会大坝安全监测专业委员会1998年学术年会暨中青年科技成果报告会论文集[C];1998年

7 孙小冉;;基于因子分析法的大坝变形安全监控模型[A];2012年中国水力发电工程学会大坝安全监测专委会年会暨学术交流会论文集[C];2012年

8 顾冲时;徐宝松;刘贝贝;;大坝变形温变效应的一种分析方法研究[A];2012年中国水力发电工程学会大坝安全监测专委会年会暨学术交流会论文集[C];2012年

相关博士学位论文 前4条

1 王小敏;基于有限元方法的大坝变形分析与仿真研究[D];武汉大学;2010年

2 王晓旭;全自动真空激光大坝变形测量系统的研制[D];大连理工大学;2006年

3 吕开云;黄河小浪底水利枢纽大坝变形预测方法研究与分析[D];中国矿业大学(北京);2012年

4 赵卿;大坝变形分析多测点统计模型的应用研究[D];武汉大学;2010年

相关硕士学位论文 前10条

1 刘敏;改进支持向量机在大坝变形预测中的应用研究[D];江西理工大学;2015年

2 李瑞;桐子壕水电站大坝变形观测研究与实践[D];西南石油大学;2016年

3 赵相博;基于基因表达式编程的大坝变形预测系统的研究[D];江西理工大学;2014年

4 翟信德;基于支持向量机的大坝变形预测研究[D];合肥工业大学;2007年

5 张潇珑;基于基因表达式编程的大坝变形预测模型研究[D];江西理工大学;2014年

6 曹光明;龙羊峡大坝变形性态分析[D];天津大学;2004年

7 杨丽;小波理论在大坝变形监测数据分析中的应用研究[D];西安理工大学;2010年

8 刘子龙;基于小波包和基因表达式编程的大坝变形预测模型研究[D];江西理工大学;2013年

9 袁峥;EV模型在大坝变形监测数据处理中的应用研究[D];河海大学;2007年

10 张飞;基于粒子群的BP神经网络在大坝变形预测中的应用研究[D];辽宁工程技术大学;2011年

，

本文编号：1732106