基于Kalman濾波的大壩監(jiān)控統(tǒng)計(jì)模型研究.pdf

1、本文為滿足大壩安全監(jiān)測(cè)的需要,在總結(jié)歸納前人在統(tǒng)計(jì)模型研究成果的基礎(chǔ)上,針對(duì)最小二乘回歸方法需要大量觀測(cè)資料、模型精度不高、不能實(shí)時(shí)觀測(cè)等缺點(diǎn),以Kalman濾波技術(shù)、小波分析、BP神經(jīng)網(wǎng)絡(luò)理論為依據(jù),提出小波多尺度Kalman濾波回歸統(tǒng)計(jì)模型和基于高階非線性Kalman濾波的BP神經(jīng)網(wǎng)絡(luò)在線訓(xùn)練方法,并通過(guò)工程實(shí)測(cè)資料的分析驗(yàn)證了模型的正確性和可行性. 主要研究?jī)?nèi)容及成果如下: (1)回顧了前人在統(tǒng)計(jì)模型方面的研究成果

2、及常用的幾種統(tǒng)計(jì)建模方法,將這些方法--對(duì)比,找出其各自優(yōu)缺點(diǎn)及適用范圍. (2)以Kalman濾波技術(shù)為理論基礎(chǔ),建立Kalman濾波回歸統(tǒng)計(jì)模型,由統(tǒng)計(jì)模型構(gòu)造狀態(tài)方程和觀測(cè)方程,使最小二乘估計(jì)問(wèn)題轉(zhuǎn)換成Kalman濾波狀態(tài)估計(jì)問(wèn)題.研究表明,該模型利用Kalman濾波為估計(jì)問(wèn)題提供的遞推形式解,可將建模過(guò)程簡(jiǎn)化為只要根據(jù)上一時(shí)段狀態(tài)值和當(dāng)前的觀測(cè)值就能方便的在線更新?tīng)顟B(tài),因而它是一種高效在線建模的新方法.工程實(shí)例分析表明,

3、當(dāng)Kalman濾波的模型參數(shù)計(jì)算方法選擇合理,濾波結(jié)果很快就會(huì)穩(wěn)定,而且濾波狀態(tài)向量(回歸系數(shù))的變化也可以評(píng)價(jià)大壩的安全狀態(tài). . (3)由于儀器故障和其他方面的復(fù)雜因素,大壩實(shí)測(cè)數(shù)據(jù)往往會(huì)出現(xiàn)奇異值和很大的噪聲,有時(shí)真實(shí)的信息甚至?xí)辉肼曆蜎](méi).鑒于此,本文提出將Kalman濾波與小波多尺度理論結(jié)合起來(lái),建立小波多尺度Kalman濾波回歸統(tǒng)計(jì)模型.兩者在消除大壩原型觀測(cè)數(shù)據(jù)的噪聲干擾上存在互補(bǔ)性,使模型可以應(yīng)用于噪聲含量較高的

4、情況,擴(kuò)展了Kalman濾波的應(yīng)用范圍,也提高了模型的預(yù)報(bào)精度. (4)由于Kalman濾波回歸統(tǒng)計(jì)模型屬于線性模型,而大壩是一個(gè)復(fù)雜的非線性系統(tǒng),因此,針對(duì)這一特點(diǎn)本文將Kalman濾波為估計(jì)問(wèn)題提供遞推形式解和BP神經(jīng)網(wǎng)絡(luò)模型優(yōu)異的非線性映射能力兩種方法的特點(diǎn)相結(jié)合,建立BP神經(jīng)網(wǎng)絡(luò)與高階非線性Kalman濾波的大壩監(jiān)控模型.由于它克服了BP算法訓(xùn)練時(shí)間長(zhǎng)、收斂速度慢、需要反復(fù)迭代的缺點(diǎn),而且監(jiān)控模型非線性程度高,因而是一種