基于卡尔曼滤波算法的瓦斯浓度时间序列预测分析

• 作者: 文晖 王江荣 罗资琴
• 来源期刊: 工业仪表与自动化装置
• 关键词: AR(p)模型 状态向量 卡尔曼滤波算法 预测分析
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 科研论坛
• 页码范围: 7-9,40
• 页数: 4页
• 分类号: O236
• 语种: 中文

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗资琴	兰州石化职业技术学院石油化学工程系	47	168	6.0	10.0
2	王江荣	兰州石化职业技术学院信息处理与控制工程系	111	264	7.0	9.0
3	文晖	兰州石化职业技术学院信息处理与控制工程系	39	99	5.0	6.0