基于新息特性抗野值Kalman预测算法

针对Kalman最优预测方法应用过程中,量测值中的野值对状态预测的不利影响,提出了一种基于新息正交特性实时估计量测方差的新算法.该算法使得修正的量测方差能够保持修正前的新息正交性,从而改变Kalman最优增益,修正状态预测值,使得预测误差的方差为最小.仿真结果表明,该算法能够克服野值对状态最优预测值的不利影响,提高了跟踪精度.

三塘湖煤田煤灰熔融性温度预测模型研究

煤灰熔融性是决定锅炉或气化炉顺利运行的重要指标之一,其与煤灰化学成分具有很强的相关性,因而建立三塘湖煤田的煤灰熔融性温度预测模型对实现特定矿区煤灰熔融性温度控制与煤炭清洁高效利用具有重要意义。以三塘湖煤田70个煤样的煤灰成分及煤灰熔融性数据为基础,利用多元线性回归分析法,分别建立以煤灰成分、硅铝比、酸碱比为自变量以及煤灰流动性温度为因变量的四变量预测模型、十变量预测模型以及十二变量预测模型,采用逐步回归分析法对预测模型进行优化后可得到最优回归方程。随着自变量数量的增加,预测模型的相关系数逐渐提高;对最优回归方程预测模型进行回归方程可用性检验以及数值检验,表明回归方程具有较好的置信度;模型的煤灰流动性温度预测值与实验值偏差较小,表明该预测模型可起到较好的预测效果。

基于二维Kalman滤波的森林资源结构预测的理论与方法

介绍了二维Kalman滤波的原理,并以浙江省丽水市森林资源连续清查样地的地理坐标建立二维坐标系,以样地森林面积和森林蓄积为状态向量,应用二维Kalman滤波研究森林资源结构动态.结果表明,对森林蓄积动态及样地个数较多、面积较大的用材林和防护林的面积动态预测效果良好,而对于样地个数较少、变异系数较大的样地如特用林和未成林造林地的面积动态预测误差较大,如要准确预测则需要加大这些样地的抽样个数.

多传感器最优信息融合稳态Kalman滤波器

用Lagrange乘数法给出了按矩阵加权线性最小方差最优融合估计公式新的推导。在此基础上提出了多传感器最优信息融合稳态Kalman滤波器。其中用迭代法求解局部滤波误差协方差阵所满足的Lya-punov方程,证明了迭代解的指数收敛性,且收敛速度与Kalman滤波器的转移阵的谱半径有关。两传感器目标跟踪系统的仿真例子说明了其有效性。

两传感器信息融合稳态最优Kalman滤波器

应用现代时间序列分析方法,基于ARMA新息模型提出了两传感器最优信息融合稳态Kalman滤波器。为实现最优融合,分别提出了计算局部滤波稳态误差方差和协方差阵的Lyapunov方程和拟Lyapunov方程及其迭代算法,并证明了算法的收敛性。一个仿真例子说明了其有效性。

基于精细计算的结构瞬时最优预测控制

针对地震激励作用下的结构控制问题,提出一种瞬时最优预测控制算法,该算法采用的开闭环控制策略在控制过程中综合考虑了下一时刻位移、控制力输入能量和地震波能量对结构的影响,解决了传统开闭环控制必须知道整个过程中外扰信息的难题,另外对控制过程中的指数矩阵采用精细积分法来求解,避免求解动力状态矩阵的特征值和特征向量,简化了算法中指数矩阵的计算,提高了计算效率,使得算法具有高效率、高精度、对步长不敏感、无条件收敛的优点.在算例中将文中方法与LQG算法进行了比较,证明了文中算法的有效性且优于LQG算法.

二维Kalman滤波及其在森林资源动态预测中的应用

报道了二维 Kalman滤波在森林资源动态预测中的应用 ,并首次应用二维 Kalman滤波研究森林蓄积 .利用吉林省松江河局 1 975～ 1 989年四次连续清查的 3 0块样地资料建立了二维坐标系 ,应用二维Kalman滤波对森林蓄积动态作出估计与预测 ,经检验 。

统计预测模型的拟合优度与预测准确性

一、关于统计预测模型的概念统计预测是一种定量预测,是对一事物未来水平或发生概率的推测,这种推测日益受到人们的重视。统计预测的方法很多,用模型作预测的方法称统计模型预测法,应用很广。这里有两个概念需要加以说明:一是统计模型与数学模型的关系,二是预测模型与拟合模型的关系。

森林资源动态预测的理论与方法

在用一维Kalman滤波研究森林资源动态基础上,介绍了二维Kalman滤波的原理与方法,并以浙江省丽水市森林资源连续清查样地的地理坐标建立二维坐标系,以样地森林面积和森林蓄积为状态向量,应用二维Kalman滤波研究森林资源动态。结果表明:对森林蓄积动态及样地个数较多、面积较大的用材林和防护林的面积动态预测效果良好,而对于样地个数较少、变异系数较大的样地如特用林和未成林造林林地的面积动态预测误差较大,如要作准确预测,则需要加大这些样地的抽样个数。

两传感器按对角阵加权信息融合稳态Kalman滤波器

应用现代时间序列分析方法,在按对角阵加权线性最小方差最优信息融合准则下,基于Riccati方程,提出两传感器信息融合稳态最优Kalman滤波器.与按矩阵加权最优融合.Kalman滤波器相比,可减少计算负担,与单传感器情形相比,提高了滤波精度.一个仿真例子说明其有效性.

模糊综合评价及其在回归预测中的应用

回归模型广泛应用于预测与控制中,在回归分析中,回归方程的选定最为关键,直接影响甚至决定预测与控制的性能,模糊综合评价方法正是解决了这一选择问题,它按照距离最优指标集的隶属度大小判别既定回归方程的优劣,但它并没有建立、产生新的方程,以进行更好的预测和控制.本文正是在模糊综合评价的基础上提出具有更好预测和控制效果的加权方程.

一类部分信息下带有劳动力收入的最优投资消费问题

最优投资消费问题属于一类典型的随机最优控制问题.劳动力收入可通过影响期望效用从而影响投资消费策略的制定.本文首次在股票收益率和劳动力收入均为不可观测过程情形下,研究了一类部分信息下的最优投资消费问题.首先综合运用Kalman滤波和非线性滤波,得到了Zakai方程的显式解,将部分信息下的随机最优控制问题转化为完备信息下的随机最优控制问题.其次通过求解HJB方程以及证明验证定理,得到了该类最优投资消费问题的最优策略以及值函数的显式表达.最后采用真实市场数据进行仿真,对比经典完备信息模型与本文部分信息模型所得最优策略的差异,验证了本文所得最优策略在有效利用市场信息方面的优越性.

区域经济发展规划的最优决策与控制研究

在区域经济的发展规划和决策中,利用相关产业要素产值数据的统计参数,筛选出与区域有效经济发展总量高度相关的影响因素变量,建立多元回归分析数学模型,得出决策者引以关注的区域龙头产业回归系数、区域有效经济发展总量的最优决策区间和两决策平面;并通过误差概率分析,指出了如何控制决策总量的决策值落入最优决策区间之内。为区域经济的科学规划和健康发展,作出最优决策,并提供可靠的理论依据。

基于多项式预测模型的最优自适应滤波算法

文中提出了一个通过多项式预测模型来描述待辨识系统冲击响应系数的最优自适应滤波算法.该算法首先利用具有时不变参数的多项式预测模型,来描述系统冲击响应的时变/时不变系数.当视描述的模型为其待辨识系统冲击响应时变/时不变系数进化的状态方程,而待辨识系统的输入和输出联系视为对这些状态的观测方程时,自适应滤波问题可以在Kalman滤波的框架下得以解决.由于在Gauss白噪声环境中以及状态方程准确的情况下,Kalman滤波是最大似然、最大后验和最小均方等统计意义下的最优滤波,因此当待辨识的系统冲击响应系数可以由多项式模型建模时,文中模型和相应算法也是这些统计意义下的最优自适应滤波.在分析的结果验证上述结论的同时,仿真的结果也表明:文中提出的自适应滤波算法的性能优于已知的自适应滤波算法.

一种用于检测与跟踪的传感器管理算法

利用Bayes规则和Kalman滤波方程中的协方差预测和更新阵 ,可以求出目标检测与跟踪过程中一次量测所产生的信息增量 ,并由此给出了一种基于信息增量最大化的传感器管理算法 .仿真结果表明 :该算法在保证一定跟踪精度的前提下 ,能最大限度的发现并跟踪新目标 .

航空像片冠幅与地面直径的线性混合模型

大量采集航空像片冠幅x与地面树木直径y的相关资料,指出一群由树冠"亮点集"组成的航空像片图像是"冠幅"检测的必要条件,并从专业的角度论证航片冠幅x与树木直径y应满足带截距的线性相关关系。由于树冠密度的随机干扰,使得冠幅x与直径y不满足等方差条件,所以必须在原来固定参数线性模型的基础上引入随机效应参数。本文采用"样地"作为随机效应的构造变量,"树冠类型"为组变量,它们的叉积构造"随机效应"参数的设计矩阵,从而构造出航空像片冠幅x与树木直径y的线性混合模型,由此获得总体y的最优无偏估计,线性混合模型的相关系数由一元线性模型的0.57平均提高到0.72。线性混合模型的实质是在固定参数方程上迭加随机"噪声"。由于数据经过标准化处理,带有随机挠动的预测方程参数与航空像片比例尺无关。