注册 登录  
 加关注
   显示下一条  |  关闭
温馨提示!由于新浪微博认证机制调整,您的新浪微博帐号绑定已过期,请重新绑定!立即重新绑定新浪微博》  |  关闭

阿弥陀佛

街树飘影未见尘 潭月潜水了无声 般若观照心空静...

 
 
 

日志

 
 
关于我

一直从事气象预报、服务建模实践应用。 注重气象物理场、实况场、地理信息、本体知识库、分布式气象内容管理系统建立。 对Barnes客观分析, 小波,计算神经网络、信任传播、贝叶斯推理、专家系统、网络本体语言有一定体会。 一直使用Java、Delphi、Prolog、SQL编程。

网易考拉推荐

apache math3卡曼滤波算法应用准备  

2014-08-04 10:12:43|  分类: Scala |  标签: |举报 |字号 订阅

  下载LOFTER 我的照片书  |
参考网页:
1. KalmanFilter
2. http://en.wikipedia.org/wiki/Kalman_filter
     气象要素变化的过程方程,使用初中匀加速公式(s=s0 + vt + 0.5*a*t^2).
     则需要采集的信息为“实况, 偏差, 偏差变化"
     x(k) = Ax(k-1) + Ga(k-1)
            = Ax(k-1) + w(k-1)
  • A - state transition matrix--状态变换方阵={{1,1},{0,1}}
    x = {实况,偏差}
  • G = {0.5,1}
  • w(k-1)~N(0,Q), Q={{0.25,0.5},{0.5,1}} * 偏差变化的均方差^2

  • B - control input matrix----控制方阵 (不考虑)

    气象要素实况的度量方程,使用站点实况和邻近站实况确定.
    z(k)=Hx(k) + v(k)
  • H - measurement matrix---度量矩阵={1,0}
  • R - measurement noise covariance matrix
    v(k)~N(0,R), R=邻近站实况均方差^2
  • P - error covariance matrix----误差协方差方阵
    由于我们已经知道气象要素的初始值和偏差,故P={{0,0},{0,0}}
  评论这张
 
阅读(376)| 评论(0)
推荐 转载

历史上的今天

在LOFTER的更多文章

评论

<#--最新日志,群博日志--> <#--推荐日志--> <#--引用记录--> <#--博主推荐--> <#--随机阅读--> <#--首页推荐--> <#--历史上的今天--> <#--被推荐日志--> <#--上一篇,下一篇--> <#-- 热度 --> <#-- 网易新闻广告 --> <#--右边模块结构--> <#--评论模块结构--> <#--引用模块结构--> <#--博主发起的投票-->
 
 
 
 
 
 
 
 
 
 
 
 
 
 

页脚

网易公司版权所有 ©1997-2017