导读:本文包含了卡尔曼滤波预测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:卡尔,尔曼,扩展卡,航迹,模型,多项式,零售额。
卡尔曼滤波预测论文文献综述
舒服华[1]（2019）在《基于卡尔曼滤波的四川省社会消费品零售额预测》一文中研究指出卡尔曼滤波算法是一种最优线性递推估计方法,受数据分布特点影响小,适应范围广,建模简单,适合于对各种复杂时间序列的预测,效果显着。鉴于四川省社会消费品零售额数据分布不光滑,运用卡尔曼滤波算法对之进行了预测,取得了很好的效果,平均预测误差仅0.772406%,比ARMA模型的平均预测误差2.1323%减小了63.7756%。由模型预测得到2019年四川省社会消费品零售额为21570.26亿元。(本文来源于《阿坝师范学院学报》期刊2019年04期）
李小雨,肖汉,李嘉逸[2]（2019）在《使用卡尔曼滤波修正蒙特卡洛算法的电动汽车充电负荷预测研究》一文中研究指出电动汽车将在未来迎来大规模的推广和应用,并对电网运行产生深远影响。而电动汽车充电负荷预测将是分析电动汽车对电网运行产生影响的基础。传统的电动汽车负荷预测方法仅仅通过对电动汽车运行行为特征进行分析,预测结果也仅仅是一种预期,即便考虑了多种典型场景,也难以准确描述随机性较大的电动汽车充电情况及充电功率大小。通过对电动汽车充电设施设置充电功率采样观测点,使用测量值对蒙特卡洛预测结果进行卡尔曼滤波修正,计算出较为符合系统状态的预测结果,并使用某行政区进行了算例演示,所提计算方法为研究电动汽车充电负荷精确预测和有序充电提供了新的方法探究和思路。(本文来源于《四川电力技术》期刊2019年05期）
唐一举[3]（2019）在《改进的卡尔曼滤波预测采煤工作面瓦斯涌出量》一文中研究指出为了准确可靠预测工作面的瓦斯涌出量,本文以卡尔曼滤波为基础,结合人工神经网络,设计虚拟中间状态变量并得出对应预测模型。其间通过Matlab使预测模型实现目的,并用此方法对某矿采煤工作面瓦斯涌出量进行预测。结果表明,建立的预测方法具有较好的预测性能,其平均误差为3.35%,结果正确可靠。(本文来源于《河南科技》期刊2019年29期）
王海霞,李凯勇[4]（2019）在《基于扩展卡尔曼滤波的锂离子电池寿命预测方法》一文中研究指出锂离子电池寿命预测是掌握电源性能衰退趋势的重要手段,已成为电子系统健康管理领域的研究热点;针对锂离子电池的寿命预测问题,基于NASA艾姆斯中心的锂离子电池地面试验采集的数据,将扩展卡尔曼滤波(EKF)算法应用于锂离子电池寿命预测过程中,并针对预测过程中存在的问题,采用最优Loess平滑原理进行改进,从而提高了预测的稳定性和精确性;实验结果表明,提出的预测方法能够有效地用于锂离子电池寿命预测中,在工程应用方面具有较高的实用价值。(本文来源于《计算机测量与控制》期刊2019年08期）
蒋帆,徐海祥,冯辉,余文瞾,李文娟[5]（2019）在《基于模型预测扩展卡尔曼滤波的动力定位状态估计》一文中研究指出针对传统扩展卡尔曼滤波由于动力定位系统过程噪声不能自适应更新,导致滤波精度下降的问题,提出一种模型预测扩展卡尔曼滤波算法。该算法通过比较一段时间内的量测值和预测值,估计系统噪声参数,从而实时修正系统过程噪声方差。仿真结果表明,在系统的过程噪声未知的情况下,模型预测扩展卡尔曼滤波的滤波性能明显优于传统扩展卡尔曼滤波。(本文来源于《船舶工程》期刊2019年07期）
徐洪俊,张锦东,张其林[6]（2019）在《基于时间序列模型和扩展卡尔曼滤波算法的结构响应预测》一文中研究指出基于上海中心大厦实测加速度幅值数据,探讨差分自回归滑动平均(ARIMA)模型和扩展卡尔曼滤波(EKF)预测方程在实测信号预测方面的应用,提出了ARIMA-EKF预测方法:先建立ARIMA模型,由该模型的预测方程推导出卡尔曼滤波的状态方程和测量方程,建立EKF预测方程实现信号的预测。本文提出的ARIMA-EKF预测方法有效地提升了ARIMA模型的预测精度,对于实时加速度幅值的变化趋势能够进行有效的预测。(本文来源于《第十九届全国现代结构工程学术研讨会论文集》期刊2019-07-19）
舒文文,卢毅,樊洋[7]（2019）在《基于卡尔曼滤波法的挣值绩效预测优化模型》一文中研究指出为提高挣值法的预测精度,解决预测项目可能发生的工期偏差和费用偏差问题,本文提出了一种将卡尔曼滤波引入挣值法的优化模型。基本思路是:首先,将项目划分为多个观察时刻,并根据每个时刻的观测数据计算成本绩效指标CPI和进度绩效指标SPI;其次,建立成本和进度卡尔曼滤波器预测优化模型,然后将计算出的CPI和SPI作为初值输入模型,利用卡尔曼滤波优化模型进行预测;最后对成本与进度进行预测并进行对比。案例研究证明:利用卡尔曼滤波器优化模型可以提高预测精度,能解决施工周期偏差和成本偏差问题。(本文来源于《四川建材》期刊2019年07期）
王勇,陈万顺[8]（2019）在《基于多模型模糊扩展卡尔曼滤波的电池SOC预测》一文中研究指出随着电池充放电次数的增加,电池充放电特性会发生变化,难以使用单一数学模型加以描述,从而限制了传统卡尔曼滤波预测电池SOC值的精度。针对不同充放电次数的电池分别建立数学模型,并通过卡尔曼滤波对不同模型的电池荷电状态进行预测。采用模糊推理确定不同模型预测结果的权重,并加权求和作为最终结果。实验表明,该预测方法在不增加测量装置硬件成本的基础上,有效提高了电池SOC值的预测精度。(本文来源于《长春师范大学学报》期刊2019年06期）
邓健,张静,林志彬[9]（2019）在《基于回归分析及卡尔曼滤波的闽赣断裂带垂直形变预测》一文中研究指出断裂带的活动性与地震活动有着密切的关系,断裂带垂直形变监测对捕捉地震前兆异常情况、预测地震危险性均有着非常重要的作用。基于闽赣断裂带5年跨断层水准观测数据,首先,通过拟合残差、F检验置信度水平综合判断各监测场地的多项式拟合阶数,构建了拟合效果较优的多项式回归模型;其次,引入卡尔曼滤波理论,分析并确定滤波先验信息,建立了垂直形变的卡尔曼滤波模型;最后,基于建立的两种模型对闽赣断裂带垂直形变进行预测分析。结果表明:当测段高差前后两期出现较大波动时,多项式回归模型预测精度略高于卡尔曼滤波模型;反之,监测场地测段高差变化较为平缓时,采用卡尔曼滤波模型预测精度优于1mm,在实际应用中,可以综合应用两种模型进行垂直形变预测,以提高预测效果。(本文来源于《自然灾害学报》期刊2019年03期）
姜佰辰,关键,周伟,陈小龙[10]（2019）在《基于多项式卡尔曼滤波的船舶轨迹预测算法》一文中研究指出考虑到在船舶航行的实际过程中,船舶自动识别系统(AIS)设备提供的船舶运动点迹往往呈现出信息缺失、非线性、多机动的问题,导致利用AIS设备辅助海上指挥系统难以准确判断船舶位置。针对以上问题,本文在传统卡尔曼滤波理论的基础上构建多项式卡尔曼滤波器拟合非线性系统,补偿航迹定位数据信息缺失、更新较慢等问题,并基于经纬度信息预测船舶运动轨迹。结果表明,该方法实现简单且收敛迅速,能够有效解决实际过程中船舶轨迹的预测问题,满足基本的实效性与准确性,能够为相关海事部门预测船舶目的、行为提供较为可靠的辅助手段。(本文来源于《信号处理》期刊2019年05期）
卡尔曼滤波预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
电动汽车将在未来迎来大规模的推广和应用,并对电网运行产生深远影响。而电动汽车充电负荷预测将是分析电动汽车对电网运行产生影响的基础。传统的电动汽车负荷预测方法仅仅通过对电动汽车运行行为特征进行分析,预测结果也仅仅是一种预期,即便考虑了多种典型场景,也难以准确描述随机性较大的电动汽车充电情况及充电功率大小。通过对电动汽车充电设施设置充电功率采样观测点,使用测量值对蒙特卡洛预测结果进行卡尔曼滤波修正,计算出较为符合系统状态的预测结果,并使用某行政区进行了算例演示,所提计算方法为研究电动汽车充电负荷精确预测和有序充电提供了新的方法探究和思路。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
卡尔曼滤波预测论文参考文献
[1].舒服华.基于卡尔曼滤波的四川省社会消费品零售额预测[J].阿坝师范学院学报.2019
[2].李小雨,肖汉,李嘉逸.使用卡尔曼滤波修正蒙特卡洛算法的电动汽车充电负荷预测研究[J].四川电力技术.2019
[3].唐一举.改进的卡尔曼滤波预测采煤工作面瓦斯涌出量[J].河南科技.2019
[4].王海霞,李凯勇.基于扩展卡尔曼滤波的锂离子电池寿命预测方法[J].计算机测量与控制.2019
[5].蒋帆,徐海祥,冯辉,余文瞾,李文娟.基于模型预测扩展卡尔曼滤波的动力定位状态估计[J].船舶工程.2019
[6].徐洪俊,张锦东,张其林.基于时间序列模型和扩展卡尔曼滤波算法的结构响应预测[C].第十九届全国现代结构工程学术研讨会论文集.2019
[7].舒文文,卢毅,樊洋.基于卡尔曼滤波法的挣值绩效预测优化模型[J].四川建材.2019
[8].王勇,陈万顺.基于多模型模糊扩展卡尔曼滤波的电池SOC预测[J].长春师范大学学报.2019
[9].邓健,张静,林志彬.基于回归分析及卡尔曼滤波的闽赣断裂带垂直形变预测[J].自然灾害学报.2019
[10].姜佰辰,关键,周伟,陈小龙.基于多项式卡尔曼滤波的船舶轨迹预测算法[J].信号处理.2019
论文知识图
