动态随机误差实时预测方法研究

摘要：

由于数学算法上的困难,在研究动态误差预测时,一般仅对系统误差加以研究,然而,在很多测量装置中随机误差成分有时含量更大.该文针对测量中出现的动态随机误差,首先分析了其预测的可行性,然后介绍了几种常用的动态误差预测模型,并以随机误差预测能力较强的时序AR模型、贝叶斯理论、RBF神经网络和支持向量机回归四种建模方法进行研究,最后指出了各种建模方法的优缺点和适用范围.

关键词： 动态随机误差 实时预测算法 贝叶斯理论 径向基函数神经网络 支持向量机 时序AR模型 测量装置

作者: 周代刚 李世平 杨尚达 张子良

作者单位: 第二炮兵工程学院,陕西,西安,710025

会议类型: 国内会议

会议名称: 第十九届全国测控、计量、仪器仪表学术年会

会议地点: 桂林

会议语种:中文

页码: 18-23

在线出版日期: 2009-11-01（万方平台首次上网日期，不代表论文的发表时间）