为提高综合管廊环境监控系统的预警性,保障管廊安全运行,必须解决燃气舱甲烷体积分数在预测过程中存在的偏差问题。通过加入温度参数对预测数据进行补偿,建立卡尔曼滤波甲烷体积分数预测模型,并对比神经网络与卡尔曼滤波相结合的经典模型。仿真结果表明:加入温度补偿后的卡尔曼滤波方法得到的平均误差为6.18%,神经网络结合卡尔曼滤波方法得到的平均误差为8.79%。对比分析表明:温度补偿后的卡尔曼滤波方法预测效果更优,具有较好的跟踪能力和反应速度,预测值更接近测量值。
科研之友
微信
新浪微博
Facebook
分享链接
