《表1 模型训练参数：基于无迹卡尔曼滤波的隧道变形动态预测》
提示：宽带有限、当前游客访问压缩模式
按照以上3个指标将预测模型的精度分为3个等级，详细分类见表1。
| 图表编号 | XD00190432100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.01 |
| 作者 | 刘毅、王新灵、韩亚轻、苗俊杰、董会川 |
| 绘制单位 | 中铁六局集团石家庄铁路建设有限公司、北京市市政工程研究院、中铁六局集团石家庄铁路建设有限公司、中铁六局集团石家庄铁路建设有限公司、中铁六局集团石家庄铁路建设有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 车辆仿真参数：分布式电动汽车状态与参数无迹卡尔曼滤波估计》2020.08.20
- 《表1 电池参数辨识结果：基于自适应无迹卡尔曼滤波的锂电池荷电状态估计》2021.02.23
- 《表4 风压力及转首力矩：基于无迹卡尔曼滤波的隧道变形动态预测》2020.08.01
- 《表3 分词效果评估结果：基于无迹卡尔曼滤波的隧道变形动态预测》2020.08.01
- 《表1 天气类型映射值：基于卡尔曼滤波预测节假日逐点增长率的电力系统短期负荷预测》2020.02.15
- 《表2 姿态误差()：基于四元数衍生无迹卡尔曼滤波的二段式多旋翼无人机姿态估计算法》2020.02.01
- 《表1 控制指标对比：基于无迹卡尔曼滤波的高墩垂直度偏差预控方法》2020.03.01
- 《表1 三个模型参考容量：交互多模型无迹卡尔曼滤波算法预测锂电池SOC》2020.01.05
- 《表2 位置误差仿真结果：基于自适应无迹卡尔曼滤波的采摘机械手视觉伺服控制方法》2019.10.01
- 《表5 单次采摘平均时间：基于自适应无迹卡尔曼滤波的采摘机械手视觉伺服控制方法》2019.10.01
- 《表3 采摘试验成功率：基于自适应无迹卡尔曼滤波的采摘机械手视觉伺服控制方法》2019.10.01
- 《表1 DG模型参数：基于卡尔曼滤波算法的网络信息观测器设计》2019.10.10
- 《表2 算法收敛时间比较：基于改进强跟踪无迹卡尔曼滤波的电力系统同步相量估计方法》2019.09.05
- 《表2 复合模型参数：基于自适应无迹卡尔曼滤波的动力电池健康状态检测及梯次利用研究》2019.09.25
- 《表2 描述性统计量：基于卡尔曼滤波的公司债券利差动态分析》2019.08.10
- 《表3 算法耗时对比：基于模型预测扩展卡尔曼滤波的动力定位状态估计》2019.07.25
- 《表2 仿真相关参数：基于模型预测扩展卡尔曼滤波的动力定位状态估计》2019.07.25
- 《表1 船模主要参数：基于模型预测扩展卡尔曼滤波的动力定位状态估计》2019.07.25
- 《表1 符号及定义：基于卡尔曼滤波需求预测的牛鞭效应研究》2019.05.01
- 《表1 电池等效模型参数：基于等效模型扩展卡尔曼滤波锂电池SOC估算》2019.02.01