-
题名基于误差自回归的洪水实时预报校正算法的研究
被引量：17
- 1
-
-
作者
郭磊
赵英林
-
机构
武汉大学水利水电学院
-
出处
《水电能源科学》
2002年第3期25-27,共3页
-
基金
国家自然科学基金重大项目 ( 5 0 0 992 2 0 )
-
文摘
根据三水源新安江模型洪水预报误差信息 ,探讨了三种基于误差自回归模型的洪水实时预报校正算法 ,即固定遗忘因子的递推最小二乘算法、可变遗忘因子的递推最小二乘算法和辅助变量法 ,并将其应用于鲇鱼山水库的实时洪水预报。通过对三种实时校正方法进行分析比较 。
-
关键词
洪水实时预报
校正算法
自回归模型
最小二乘
可变遗忘因子
-
Keywords
real-time forecasting
adjustment method
autoregressive model
least-square method
variable forgetting factors
-
分类号
P338.6
[天文地球—水文科学]
-
-
题名基于改进UKF算法的锂电池SOC估计
被引量：1
- 2
-
-
作者
董策勇
李红月
-
机构
安徽理工大学电气与信息工程学院
-
出处
《绿色科技》
2022年第14期247-250,共4页
-
文摘
针对无迹卡尔曼滤波(UKF)算法在状态估计过程中忽略了系统噪声的时变特性,导致锂电池SOC估计精度较低、稳定性较差问题。基于Thevenin等效电路模型,采用Sage-Husa自适应滤波器对系统噪声进行了实时估算和修正,再与UKF算法相结合形成自适应无迹卡尔曼滤波(AUKF)算法,从而提高了锂电池SOC估计精度。在模型参数识别部分,采用可变遗忘因子递推最小二乘算法(VFFRLS)。通过UDDS工况仿真结果验证表明:AUKF算法比UKF算法具有更好的估计效果。
-
关键词
无迹卡尔曼滤波
锂电池SOC
自适应滤波
可变遗忘因子
-
Keywords
unscented Kalman filter
lithium battery SOC
adaptive filtering
variable forgetting factors
-
分类号
TM912
[电气工程—电力电子与电力传动]
-
