基于自適應(yīng)卡爾曼濾波的灰色模型改進(jìn)及在變形預(yù)測(cè)中的應(yīng)用研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩67頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、變形監(jiān)測(cè)是準(zhǔn)確分析與預(yù)測(cè)建筑物,構(gòu)建物變形的有效手段。隨著人類(lèi)社會(huì)的快速發(fā)展,高層建筑以及各種大型構(gòu)建物不斷涌出,隨之而產(chǎn)生的變形問(wèn)題,也一直是工程界的一個(gè)熱點(diǎn)問(wèn)題,如何能夠準(zhǔn)確的預(yù)測(cè)變形體的變形趨勢(shì),是一個(gè)相當(dāng)復(fù)雜而且又極具挑戰(zhàn)的科學(xué)難題,毋庸置疑,若能準(zhǔn)確的分析變形體的變形發(fā)展趨勢(shì)并對(duì)其進(jìn)行預(yù)測(cè)預(yù)報(bào),對(duì)減少災(zāi)害發(fā)生所導(dǎo)致的經(jīng)濟(jì)財(cái)產(chǎn)損失和人類(lèi)生命安全,具有重要意義。本文在分析現(xiàn)有變形預(yù)測(cè)模型的研究基礎(chǔ)上,利用自適應(yīng)卡爾曼濾波,灰色理論

2、,穩(wěn)健估計(jì),數(shù)據(jù)融合,方差分量估計(jì)等理論構(gòu)建了動(dòng)態(tài)自適應(yīng)卡爾曼濾波-灰色綜合改正預(yù)測(cè)模型,并通過(guò)工程實(shí)例驗(yàn)證了模型的可行性,本文的主要研究?jī)?nèi)容和成果如下:
  (1)引入卡爾曼濾波技術(shù),其能在一定程度上降低噪聲對(duì)觀測(cè)值的影響,從而能夠獲得含有噪聲的觀測(cè)值的最佳估計(jì),這使得建立GM(1,1)模型的數(shù)據(jù)質(zhì)量得以提高;
  (2)本文在建立GM(1,1)模型過(guò)程中,區(qū)別于傳統(tǒng)的最小二乘法估計(jì)參數(shù),使用穩(wěn)健估計(jì)的方法進(jìn)行參數(shù)的估計(jì),

3、因此建立的GM(1,1)模型相對(duì)于傳統(tǒng)的GM(1,1)具備較好的穩(wěn)健性;
  (3)通過(guò)利用模擬值與建模數(shù)據(jù)的殘差建立殘差修正GM(1,1)模型,使得預(yù)測(cè)效果更好;
  (4)利用不同維數(shù)的累計(jì)形變量數(shù)據(jù)序列構(gòu)建了多個(gè)GM(1,1)模型,并采取數(shù)據(jù)融合的方式獲得了預(yù)測(cè)數(shù)據(jù)的最佳估計(jì)值;
  (5)本文運(yùn)用預(yù)測(cè)值與實(shí)測(cè)值的殘差對(duì)卡爾曼濾波動(dòng)態(tài)噪聲進(jìn)行了方差分量修正,在一定程度上能夠提高其隨機(jī)模型的精確性,從而提升濾波數(shù)據(jù)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論