|本期目录/Table of Contents|

[1]王江荣a,文 晖a,罗资琴b.基于卡尔曼滤波算法的瓦斯浓度时间序列预测分析[J].工业仪表与自动化装置,2015,(05):7.
　WANG Jiangronga,WEN Huia,LUO Ziqinb.Gas concentration time series prediction analysis based on Kalman filter algorithm[J].Industrial Instrumentation & Automation,2015,(05):7.
点击复制

基于卡尔曼滤波算法的瓦斯浓度时间序列预测分析(PDF)

《工业仪表与自动化装置》[ISSN:1000-0682/CN:61-1121/TH]

卷:
期数:
2015年05期
页码:
7
栏目:
出版日期:
2015-10-15

文章信息/Info

Title:
Gas concentration time series prediction analysis based on Kalman filter algorithm
文章编号:
1000-0682(2015)05-0000-00
作者:
王江荣a; 文 晖a; 罗资琴b
（兰州石化职业技术学院 a. 信息处理与控制工程系；b.石油化学工程系，兰州 730060）
Author(s):
WANG Jiangronga; WEN Huia; LUO Ziqinb
(a.Department of Information Processing and Control Engineering; b.Department of Petroleum Chemical Engineering,Lanzhou Petrochemical College of Vocational Technology, Lanzhou 730060, China)
关键词:
AR(p)模型; 状态向量; 卡尔曼滤波算法; 预测分析
Keywords:
AR (p) model;  the state vector;  Kalman filter;  predictive analysis
分类号:
O236
DOI:
-
文献标志码:
A
摘要:
针对自回归AR(p)模型在进行非平稳瓦斯浓度时间序列预测分析时存在精确度不高的问题，文章采用卡尔曼滤波算法动态地估算出模型参数值，在推算过程中将模型参数作为状态向量。实例分析表明基于卡尔曼滤波算法的AR(p)模型优于单一的AR(p)模型，大幅度地提高了模型的预测精度，预测效果远好于BP神经网络、支持向量机和ARMA等模型，值得借鉴。
Abstract:
autoregressive AR (p) model accuracy is not high in prediction analysis of non-stationary time series of gas concentration,the article adopts the Kalman filter algorithm to dynamically estimate the model parameter values,In the process of calculation ,the model parameters as the state vector. ?Example analysis shows that AR (p) model based on the Kalman filter algorithm is better than the?single AR?(P)?model, greatly improve the prediction accuracy of the model ,to predict the effect is much better than BP neural networks, support vector machines and ARMA models, etc. , it is worth learning from.

参考文献/References:

[1] 辛元芳,姜媛媛.改进的瓦斯突出预测模型[J].煤炭技术, 2014,33(10):11-13.

[2] 张宝燕,李茹,穆文瑜.基于混沌时间序列的瓦斯浓度预测研究[J].计算机工程与应用,2011,47(10):244-248.
[3] 时天.基于混沌时间序列的瓦斯浓度预测研究[D].西安:西安科技大学,2009.
[4] 张剑英,许徽,陈娟,等.基于粒子群优化的支持向量机在瓦斯浓度预测中的应用研究[J].工矿自动化,2010(10): 32-35.
[5] 王其军,程久龙.基于免疫神经网络模型的瓦斯浓度智能预测[J].煤炭学报,2008,33(6):665-669.
[6] 韩婷婷,吴世跃,王鹏军.基于马尔科夫残差修正的瓦斯浓度预测[J].工矿自动化,2014,40(3):28-31.
[7] 郝元伟,李尚国.工作面瓦斯浓度时间序列分析预测[OL].中国科技论文在线, http://www.paper.edu.cn. 2010-07-28, 09: 16:15.
[8] 何文威.基于卡尔曼滤波器和PID控制的逆变器研究与设计[D].广州:华南理工大学,2013:29-31.
[9] 汪超.基于AR模型与Kalman滤波算法的电力系统间谐波检测方法研究[D].哈尔滨:哈尔滨工业大学,2011.
[10] 王铁生,张冰,马开锋.基于卡尔曼滤波与AR混合算法的沉降监测[J].灌溉排水学报,2008,27(5):122-124.
[11] 郝元伟,李尚国.工作面瓦斯浓度时间序列分析预测[OL].中国科技论文在线,http://www.paper.edu.cn. 2010-07-28, 09:16:15.
[12] 彭秀艳,赵希人,高奇峰.船舶姿态运动实时预报算法研究[J].系统仿真学报,2007,19(2):267-271.

相似文献/References:

[1]杨柳春.基于粒子群优化算法的AR模型参数估计[J].工业仪表与自动化装置,2013,(05):67.

备注/Memo

备注/Memo:

收稿日期 ： 2014-01-06

基金项目 ：甘肃省科技厅项目“石油化工企业应急演练系统” ( 1204GKCA004) ； 甘肃省财政厅专项资金立项资助（ 甘财教 [2013]116 号）

作者简介 ： 王江荣 (1966) ，男，甘肃静宁人，教授，主要从事矿业安全、综合评判技术和控制理论与应用方面的研究。

更新日期/Last Update: 1900-01-01