摘要
针对监测数据中不可避免的含有随机噪声以及监测时间往往不是等时距的问题,该文提出了一种基于卡尔曼滤波的非等时距加权灰色线性组合方法。首先对原始变形监测数据进行卡尔曼滤波处理,有效的剔除随机噪声的影响,然后利用滤波后的数据建立非等时间间隔的加权灰色线性组合模型进行预测,最后进行对比分析。该模型不仅具有线性回归以及GM(1,1)的特点,又克服了传统GM(1,1)的不足。实验结果表明,基于卡尔曼滤波的非等时距加权灰色线性组合模型不仅可以有效的剔除监测数据中的随机噪声,而且提高了模型精度,具有一定的参考价值。
- 出版日期2015-12-15
- 单位东华理工大学; 南昌市城市规划设计研究总院