论文部分内容阅读
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MonteCarlo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。