均生函数残差预报模型在降水预报中的试验研究

在均生函预报模型的基础上,利用其残差数据序列对均生函数预报模型进行校正,提出了均生函数残差预报模型。运用两种模型对百色市6、7、8月月降雨量进行了历史样本拟合,并进行独立地样本预报试验。预报结果发现,均生函数残差预报模型对原有模型在预报精度上都有一定的改进,取得了较好的预报效果。同时,利用M ann-K enda ll法和Y am am oto法,可以明确突变开始的时间,指出突变区域,使待报时段与建模资料处在同一气候阶段则预报效果更为理想。

使用有限数据推求土壤水分特征曲线VG模型的参数

【目的】使用一种简易方法和有限数据来获取土壤水分特征曲线VG模型的参数。【方法】选择了黑土、褐土、黄绵土、红壤和紫色土5种地带性土壤,实测了土壤饱和含水率(θ_(s))、0.33 bar土壤含水率(θ_(0.33 bar))、最大吸湿水(θ_(97%RH))和空气相对湿度为43%时的土壤吸湿水(θ_(43%RH)),并以θ_(43%RH)为残余含水率(θ_(r)),推导VG模型的参数。将推导出的参数带入到VG模型中,进行了土壤水分特征曲线的预报,并与实测的土壤含水率进行了比较。【结果】该方法能较好地模拟褐土的土壤水分特征曲线,模拟值和测定值的残差一般在0.01 cm^(3)/cm^(3)以内;也可以较好的模拟黄绵土和红壤在0.33~15 bar的土壤含水率,残差一般在±0.01 cm^(3)/cm^(3)以内;但黑土的模拟结果相对较差,在低于0.33 bar时,残差为负,在-0.03 cm^(3)/cm^(3)以内,而在0.33~15 bar,残差为正,达到0.04 cm^(3)/cm^(3);紫色土的模拟结果最差,在低于0.33 bar时,残差为负,达到了-0.07 cm^(3)/cm^(3);但在0.33~15 bar,情况有所改善,残差在0.03 cm^(3)/cm^(3)以内。通过配对t检验,认为模拟值和测定值无显著差异,二者的相关系数(r)为0.990。造成模拟值和测定值差异的原因可能是采样时紫色土密度较低,土壤中有较多的大孔隙,而黑土可能因有机质含量较高具有较好的结构性导致持水能力较强。【结论】采用土壤饱和含水率(θ_(s))、0.33 bar土壤含水率(θ_(0.33 bar))、最大吸湿水(θ_(97%RH))和空气相对湿度为43%时的土壤吸湿水(θ_(43%RH))推导的VG模型参数,可以较好地预报土壤水分特征曲线。但对土壤密度较低、存在大孔隙的土壤,及有机质量较高或结构性较好的土壤,可能会导致部分模拟值和测定值产生较明显的差异。前者可能会影响低吸力段的模拟结果(<0.33 bar),后者则可能影响土壤有效含水率段的模拟结果(0.33~15bar)。

Kalman滤波模型中三种残差的比较

Kalman滤波中不可避免地存在模型误差,模型误差的存在会引起滤波结果失真,严重时还会导致滤波发散。在对Kalman滤波模型进行检验时,有三种常用的残差——观测残差,预测残差和状态预报值残差。以往不同学者选用不同的残差对模型进行检验。当模型含有误差时,分别推导这三种残差变化后的表达式并对它们检验模型误差的能力进行比较,结果表明预测残差在模型检验中反应最灵敏,并且计算量最小。最后给出仿真算例,结果也证实预测残差能够更有效、更快捷地探测模型误差。

实时洪水预报方法综述

实时洪水预报方法综述杨小柳（中国水利水电科学研究院）引言历经半个世纪的发展，见诸文献的实时洪水预报方法多不胜数。本文依据现有方法的特点，将它们划分成不同的流派。这些流派分别在实时洪水预报技术发展的不同时期起到过重要作用，都具有自身的理论和技术特点；在...

动态定位的模型偏差检测与校正

动态定位的数据处理中广泛应用卡尔曼滤波,而卡尔曼滤波的应用要求动态模型(函数模型)和随机模型可靠和切合实际,但实际测量定位中难以保证观测对象的规则运动,因而容易出现模型误差。探讨在实际应用中存在模型误差时的卡尔曼滤波,研究动态定位时卡尔曼滤波的模型检测与校正,给出一种偏差分离估计方法。由于不存在状态增广,因而该方法计算效率高。最后以一数字仿真(模拟)实验论证方法的可行性。

基于联邦滤波的自适应算法研究

针对标准卡尔曼滤波器对系统的模型和噪声的统计特性依赖性强,而系统的准确数学模型难以建立的问题,结合联邦滤波和自适应估计理论,提出了一种基于联邦滤波的自适应算法。该算法通过残差的实际值与理论值的比值来确定误差方差阵的估计值,然后调节自适应卡尔曼滤波器的渐消因子,从而有效提高了联邦滤波器的适应能力。由仿真结果可知,改进的联邦滤波器能较好地利用测量信息对系统的相关参数进行自适应的调整,滤波结果具有很好稳定性和准确性。

基于方差分量估计原理的自适应卡尔曼滤波及其应用

简单介绍了GPS伪距动态定位的卡尔曼滤波模型的建立 ,针对传统卡尔曼滤波中动态噪声不准或不容易确定以及因动态目标机动而导致滤波发散的现象 ,提出了一种根据方差分量估计原理 ,利用预报残差计算模型的动态噪声方差分量的自适应滤波算法。当利用预报残差进行计算时 ,这一方法增加的计算量不大 ,能有效地克服由上述原因而导致的滤波不稳定现象 ,适用于GPS动态定位数据的实时处理。

方差补偿自适应卡尔曼滤波在GPS滑坡监测中的应用研究

卡尔曼滤波是目前处理滑坡监测数据的主要方法。针对传统卡尔曼滤波中动态噪声不准或不容易确定而导致滤波发散的现象,提出用动态噪声的方差阵补偿法对滤波中的方差-协方差误差进行修正,结合三峡实测数据处理,证明该方法能有效地克服滑坡监测数据处理中滤波模型发散的问题。

动态定位中机动和粗差检测延迟的探讨

动态定位数据处理中,判定运动载体何时开始机动,测量数据何时出现粗差是一个困难的问题。为了在实时动态定位中尽可能快地检测出运动载体机动和观测数据何时出现粗差,文中提出了一种对机动和粗差检测的新方法。该检测算法是基于机动和粗差检测延迟最小的准则。通过分析,对不同的显著水平和机动幅度存在一个最优窗口长度。

联邦滤波的改进算法

分析并综述了联邦滤波算法,以及该算法存在的问题。针对观测信息不足的情况下,结合抗差估计和自适应估计理论对联邦滤波算法进行了改进,给出了联邦滤波在局部传感器观测信息不足情况下的改进算法。由模拟计算结果可知,在局部传感器观测信息不足的情况下,改进的联邦滤波器能较好地抑制载体观测异常和状态扰动异常对动态系统参数估值的影响,具有很强的的抗差性和自适应性。

卡尔曼滤波可靠性分析及其在动态GPS定位中的应用

从预测残差入手，通过假设检验，给出了卡尔曼滤波内外可靠性量度，并将其和模型偏差分离估计递推公式引入ＧＰＳ动态定位之中。通过对ＷＡＤＧＰＳ用户站的动态数据处理得到了一些结论。