利用卡尔曼滤波综合算法构建开采沉陷预测模型

利用卡尔曼滤波综合算法构建开采沉陷预测模型

论文摘要

为提高矿区地表沉陷预测精度,提出了基于自回归综合移动平均模型(Autoregressive Integrated Moving Average,ARIMA)的卡尔曼滤波模型与Elman神经网络相结合的综合预测模型。首先,针对沉陷监测序列的非平稳性与复杂性特点,ARIMA模型能够将原始数列平稳化,构建地表下沉预测模型,并作为卡尔曼滤波的状态方程;然后将Elman神经网络的沉陷预测结果作为观测值引入卡尔曼滤波观测方程中,建立综合预测模型;最后针对噪声方差Q与R选取的问题,统计出ARIMA模型与Elman神经网络模型的误差特性,从而计算出噪声Q与R的取值。分别将综合预测模型与BP神经网络模型、Elman神经网络模型以及卡尔曼滤波模型进行了预测精度对比,4种模型预测值与实测值的均方根误差分别为2.06、5.857 8、2.926 9、3.688 9 mm,相对误差分别为1.170 4%、3.0502%、1.432 6%、1.908 4%,绝对误差平均值分别为1.886 7、10.703 9、2.329 4、2.807 6 mm。研究表明:综合预测模型能够有效减小单一预测机制造成的同一性质误差累积,其预测精度明显优于其余3种模型,对于大幅提升矿区地表沉陷的预测精度有一定的参考价值。

论文目录

  • 1 基于卡尔曼滤波的综合预测方法
  •   1.1 卡尔曼滤波的基本方程
  •   1.2 卡尔曼滤波状态方程和观测方程建立
  •     1.2.1 ARIMA基本原理
  •     1.2.2 基于ARIMA的卡尔曼滤波状态方程和观测方程
  • 2 开采沉陷预测
  • 3 结语
  • 文章来源

    类型: 期刊论文

    作者: 陈竹安,熊鑫,危小建

    关键词: 开采沉陷,卡尔曼滤波,自回归综合移动平均模型,神经网络,综合预测模型

    来源: 金属矿山 2019年05期

    年度: 2019

    分类: 工程科技Ⅰ辑

    专业: 矿业工程

    单位: 东华理工大学测绘工程学院,流域生态与地理环境监测国家测绘地理信息局重点实验室,江西省数字国土重点实验室

    基金: 国家自然科学基金项目(编号:51708098),江西省教育厅课题(编号:GJJ160537),江西省自然科学基金项目(编号:20171BAA218018),东华理工大学江西省数字国土重点实验室开放研究基金项目(编号:DLLJ201814)

    分类号: TD327

    DOI: 10.19614/j.cnki.jsks.201905021

    页码: 132-136

    总页数: 5

    文件大小: 1645K

    下载量: 136

    相关论文文献

    • [1].扩展卡尔曼滤波在受到恶意攻击系统中的状态估计[J]. 自动化学报 2020(01)
    • [2].基于卡尔曼滤波与大数据预测的路径规划研究[J]. 电子测量技术 2020(03)
    • [3].基于状态增广的修正迭代扩展卡尔曼滤波[J]. 电子技术应用 2020(04)
    • [4].基于自适应容积卡尔曼滤波的主动配电网状态估计[J]. 电测与仪表 2020(19)
    • [5].基于雷达/红外测量的期望最大化容积卡尔曼滤波[J]. 南京理工大学学报 2020(05)
    • [6].基于容积卡尔曼滤波的配电网状态估计[J]. 电力科学与工程 2019(11)
    • [7].一种高效抗差卡尔曼滤波的导航应用[J]. 导航定位学报 2016(04)
    • [8].基于扩展卡尔曼滤波的雷达无源定位方法[J]. 火力与指挥控制 2016(11)
    • [9].基于补偿卡尔曼滤波的姿态估计算法实现[J]. 测控技术 2017(03)
    • [10].加性噪声下增广容积卡尔曼滤波及其目标跟踪应用[J]. 计算机应用与软件 2017(03)
    • [11].扩展卡尔曼滤波在组合导航中的应用[J]. 传感器与微系统 2017(08)
    • [12].一种移动机器人扩展卡尔曼滤波定位算法及仿真[J]. 广东第二师范学院学报 2017(05)
    • [13].扩展卡尔曼滤波的安卓手机定位算法研究[J]. 全球定位系统 2020(02)
    • [14].基于平方根容积卡尔曼滤波的水面无人艇导航定位算法[J]. 中国造船 2020(S1)
    • [15].平台摇摆对卡尔曼滤波跟踪精度的影响[J]. 航空学报 2017(06)
    • [16].未知状态模型下基于高阶容积卡尔曼滤波和神经网络的状态估计算法[J]. 计算机应用与软件 2017(06)
    • [17].改进的迭代卡尔曼滤波及其在全球导航星系统/惯导紧组合中的应用[J]. 电子器件 2017(05)
    • [18].北斗导航卫星迭代双向卡尔曼滤波定轨[J]. 海洋测绘 2016(02)
    • [19].扩展卡尔曼滤波与粒子滤波性能对比[J]. 测绘通报 2016(04)
    • [20].时间扩展取样集合卡尔曼滤波同化模拟探空试验研究[J]. 气象学报 2012(01)
    • [21].老采空区残余沉降的集合卡尔曼滤波预测[J]. 金属矿山 2012(08)
    • [22].基于双因子抗差卡尔曼滤波在动态导航中的应用[J]. 全球定位系统 2011(03)
    • [23].扩展卡尔曼滤波和不敏卡尔曼滤波在实时雷达回波反演大气波导中的应用[J]. 物理学报 2011(11)
    • [24].一种改进扩展卡尔曼滤波新方法[J]. 计算机工程与应用 2010(19)
    • [25].单球无味卡尔曼滤波在飞船姿态估计中的应用[J]. 计算机测量与控制 2009(09)
    • [26].自适应渐消有偏扩展卡尔曼滤波在目标跟踪中的应用[J]. 传感技术学报 2020(02)
    • [27].基于扩展卡尔曼滤波的气动参数在线修正方法[J]. 计算机仿真 2020(03)
    • [28].基于强跟踪容积卡尔曼滤波的永磁同步电机转子位置估计[J]. 微电机 2020(03)
    • [29].路面附着系数的自适应衰减卡尔曼滤波估计[J]. 中国公路学报 2020(07)
    • [30].卡尔曼滤波在动位移测试中的应用[J]. 科学技术创新 2019(13)

    标签:;  ;  ;  ;  ;  

    利用卡尔曼滤波综合算法构建开采沉陷预测模型
    下载Doc文档

    猜你喜欢