论文部分内容阅读
针对卡尔曼滤波方法在处理矿区变形数据中的跟踪能力不强、滤波结果与相对真实值有一定误差的缺点，提出一种基于BP神经网络改进的卡尔曼滤波方法，对滤波结果进行校正，从而增强卡尔曼滤波的跟踪能力，使滤波结果更加接近相对真实值。通过实例计算和分析，修正结果的精度与标准的卡尔曼滤波模型和自适应卡尔曼滤波模型的滤波精度相比得到了很大提高，为高精度的变形预报预警提供了有利条件。