-
作者
张灿吕伟才刘宇梁齐云
-
单位
安徽理工大学空间信息与测绘工程学院安徽理工大学矿山采动灾害空天地协同监测与预警安徽普通高校重点实验室安徽理工大学矿区环境与灾害协同监测煤炭行业工程研究中心
-
摘要
针对矿区GNSS CORS自动化监测数据波动大且含有测量噪声的特性，提出基于小波去噪的遗传算法优化Kalman滤波模型。首先利用小波阈值去噪法剔除原始数据中大部分高频噪声与粗差，再引入遗传算法对Kalman滤波中的过程噪声和量测噪声进行优化，实现噪声自适应寻优。实验结果表明，该组合模型平均相对误差为0.169 mm，均方误差为0.042 mm，相比于标准的Kalman滤波模型及方差补偿自适应Kalman滤波模型，具有更高的预测精度，能更好应用于矿区沉降监测。
-
关键词
沉降监测遗传算法卡尔曼滤波小波去噪GNSS自动化监测系统
-
基金项目(Foundation)
国家自然科学基金（41474026）；安徽省重点研究与开发计划（202104a07020014）；安徽省科技重大科技专项（202103a05020026）；中煤新集能源股份有限公司项目（ZMXJ-BJ-JS-2021-8）；
-
文章目录
0 引言
1 小波分析
2 卡尔曼滤波模型分析
2.1 标准卡尔曼滤波
2.2 自适应卡尔曼滤波
3 遗传算法优化卡尔曼滤波分析
3.1 遗传算法概述
3.2 遗传算法优化卡尔曼滤波
4 工程实例分析
4.1 小波去噪
4.2 模型建立
5 结语
-
引用格式
张灿,吕伟才,刘宇,梁齐云.基于遗传算法优化卡尔曼滤波模型的GNSS CORS监测数据处理研究[J].煤炭技术,2022,41(09):83-86.DOI:10.13301/j.cnki.ct.2022.09.018.
煤炭技术 
2022年第09期 
