APP下载

ET0预测的卡尔曼滤波修正ANFIS模型研究

2017-07-19李志磊周建平魏正英张育斌

干旱地区农业研究 2017年3期
关键词:卡尔曼滤波模型

李志磊,周建平,魏正英,张育斌,许 燕

(1.新疆大学机械工程学院, 新疆 乌鲁木齐 830000; 2.西安交通大学机械制造系统工程国家重点实验室, 陕西 西安 710049)

ET0预测的卡尔曼滤波修正ANFIS模型研究

李志磊1,周建平1,魏正英2,张育斌2,许 燕1

(1.新疆大学机械工程学院, 新疆 乌鲁木齐 830000; 2.西安交通大学机械制造系统工程国家重点实验室, 陕西 西安 710049)

实时、准确地对作物需水量的预测是实现智能节水灌溉的关键技术。预测模型的合理选择及精度提高是作物需水决策系统的核心。本文将陕西西安地区的气象数据环境信息引入自适应神经模糊推理(ANFIS)作物参考蒸腾量(ET0)预测模型,应用卡尔曼滤波器对气象数据经ANFIS建模得到的ET0预测值进行滤波去噪,以提高模型的预测精度,并通过仿真和实验验证,从理论和实践两个方面来验证模型的精度。仿真结果得到,反映模型预测值与真实值之间拟合程度的均等系数(EC)值校正前为0.93,校正后达到0.98。实验结果得到,ANFIS预测模型的平均绝对误差是28.94%,平均相对误差是26.37%,卡尔曼修正后的ANFIS预测模型的平均绝对误差是7.24%,平均相对误差是6.59%。仿真和实验结果表明,利用卡尔曼滤波对ANFIS预测模型进行修正,可以提高预测的精度,经卡尔曼修正后的ANFIS模型能更佳地反映ET0的变化趋势。

作物参考蒸腾量;彭曼公式;ANFIS预测模型;卡尔曼滤波;预测精度

作物参考蒸腾量(ET0)是作物生长过程中一个非常重要的数据,实时、准确地对作物参考蒸腾量的预测是实现智能节水灌溉的关键技术,作物参考蒸腾量预测结果的好坏将直接影响作物的长势以及智能灌溉的效果。……

登录APP查看全文

猜你喜欢

卡尔曼滤波模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
改进的扩展卡尔曼滤波算法研究
基于递推更新卡尔曼滤波的磁偶极子目标跟踪
3D打印中的模型分割与打包
基于模糊卡尔曼滤波算法的动力电池SOC估计
FLUKA几何模型到CAD几何模型转换方法初步研究
基于扩展卡尔曼滤波的PMSM无位置传感器控制
基于EMD和卡尔曼滤波的振荡信号检测
基于卡尔曼滤波的组合导航误差补偿