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1975－1989年四次连续清查的30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,效果良好。     

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。     

基于卡尔曼滤波的需求预

针对客户订单与市场真实需求之间的差异,建立了基于卡尔曼滤波原理的社会需求预测模型,并利用某烟草公司的卷烟销售数据对模型进行验证分析,实证数据表明,该模型在一定程度上比较有效.     

组合非参数回归和卡尔曼滤波的公交车到站时间预测

准确预测公交车到站时间并实时向公交乘客发布,是提高公交车服务水平的关键因素。本文在采集的公交车GPS数据的基础上,建立了组合非参数回归和卡尔曼滤波的公交车到站时间预测模型。以北京公交300路内为例,选取1020组公交车行驶数据,取其中128组作为验证数据,选用平均绝对误差率作为评价指标,详细评价了不同时段及滤波前后模型的预测效果。预测结果表明,该模型具有较高的预测精度。     

基于组稀疏卡尔曼滤波的多步轨迹预测方法

提出一种基于组稀疏卡尔曼滤波的机动轨迹多步预测方法。首先引入组稀疏编码,通过一次学习建立简单的多步线性回归预测模型,克服了传统方法未能充分利用历史数据而导致预测精度降低的问题;再利用最小角回归算法来计算该模型的稀疏系数,进一步改善模型系数估计的准确性;然后改进了卡尔曼滤波算法,并结合上述组稀疏编码算法,来确保预测结果的精确性;最后通过与传统BP、长短时记忆网络和组稀疏编码方法的仿真比较,验证了所提方法的有效性。     

统一的和通用的Kalman滤波理论

用射影理论对一般线性离散时变随机系统提出了统一和通用的Kalman滤波理论,其中系统噪声在相邻时刻是相关的,且系统噪声和观测噪声在相同和相邻时刻是相关的。提出了最优和稳态Kalman滤波器、平滑器和预报器,推广了经典Kalman滤波理论。     

一种自相似业务量预测的卡尔曼滤波算法

针对网络拥塞控制中不能准确预测自相似业务量的问题,提出了一种噪声在线估计卡尔曼滤波(NOEKF)算法.NOEKF算法不依赖于业务源反馈信息,通过观测节点处当前和过去时刻的业务量来预测下一时刻的业务量,并建立了业务量的卡尔曼滤波状态方程和观测方程,给出了递推形式的状态向量最佳估计形式.考虑到未知状态方程和观测方程噪声的统计特性,采用在线估值法,并引入遗忘因子对噪声的统计特性进行估计.NOEKF算法预测准确、偏差小.仿真结果表明,与经典卡尔曼滤波算法和时间序列预测方法比较,NOEKF算法能够更精确地预测自相似业务量,预测误差可降低60%以上.     

基于模型参考和卡尔曼滤波的动态测量方法

在传感器动态补偿时,传感器频带的扩展将会引起严重的高频噪声干扰,为有效地抑制噪声,研究了一个基于模型参考和卡尔曼滤波的动态补偿方法.补偿器的参数通过参考模型和系统辨识的方法得到,同时,利用参考模型建立卡尔曼滤波器,消除高频噪声对测量精度的影响.通过仿真实验以及对硅加速度传感器的动态测量误差补偿,验证了该方法的有效性.     

基于Kalman滤波的目标轨迹预测

Kalman滤波器在各个领域都有广泛的应用,如航天器的轨道计算、雷达目标跟踪、生产过程的自动控制等．卡尔曼滤波器在机动目标跟踪中具有良好的性能,它是一种最佳估计并能够进行递推计算．但以Kalman滤波方法预测的过程需要对目标的运动方程有准确了解而且要求系统的过程与测量噪声为高斯噪声且相互独立,这在实时跟踪过程中都是很难满足的．本文利用基于Matlab编程的Kalman滤波改进算法实现目标预测跟踪,并绘出目标质心轨迹坐标．     

推广卡尔曼滤波法及其在经济系统预测中的应用

对于发生变化的动态经济过程,应用定常参数模型进行预测时误差较大。为了解决这一问题,本文建立了时变参数的自适应预测模型,提出了由建模和推广的卡尔曼滤波器组成的预测方案,对全国积累基金和全民固定资产投资进行了预测。结果表明,该方法具有较高的预测精度,可以在动态经济系统的预测中加以推广应用。     

基于有限差分法的二维抛物方程的电波传播预测

抛物方程方法作为一种介于射线跟踪方法和波动方程全波方法之间的一种方法,具有适用于大范围计算和兼顾计算精度的双重优点.本文首先分析了二维抛物方程的导出,在此基础之上采用有限差分法对二维抛物方程进行了差分近似,得到了可以进行数值求解的矩阵方程.为了验证该差分方法,用其对经典的单刃峰绕射和双刃峰绕射问题进行了数值计算.为了验证计算结果的有效性,建立了室内缩比测试环境,进行了实验测量.对比分析发现,该方法计算结果与实验结果基本一致.     

基于小波分析与卡尔曼滤波的网络流量估计和预测方法

将目标状态的小波变换系数向量描述为卡尔曼滤波方法的状态变量,进而建立了网络流量估计和预测模型,能够实现周期内的实时跟踪和动态多步预测.利用CERNET华中地区主干网的实测流量数据对该模型进行检验,所有检验周期网络流量预测值的相对误差均值为4.58%,表明网络流量估计和预测模型具有较强的适用性.