[发明专利]基于Kalman滤波器的容量预测方法和系统

权利要求书

1.一种基于Kalman滤波器的容量预测方法，其特征在于，所述方法包括：

获取待预测对象的容量时间序列；

为所述容量时间序列建立动力学模型，并提取所述动力学模型的状态转移参量和过程噪声参量；

利用所述状态转移参量和过程噪声参量对所述容量时间序列进行Kalman滤波器估计，生成至少一个状态特征信号；

根据所述至少一个状态特征信号对所述容量时间序列进行分段，并确定相应的至少一个分段点；

根据在所述容量时间序列中确定的所述至少一个分段点对未来时间的容量进行预测。

2.根据权利要求1所述的方法，其特征在于，所述获取待预测对象的容量时间序列之后，所述方法还包括：

采用中值滤波和/或移动平均滤波对所述容量时间序列进行滤波处理，生成滤波后的所述容量时间序列。

3.根据权利要求1所述的方法，其特征在于，所述动力学模型包括：常速度(CV)模型、常加速度(CA)模型、Singer模型、“当前”统计模型、Jerk模型中的至少一种。

4.根据权利要求3所述的方法，其特征在于，所述为所述容量时间序列建立动力学模型，并提取所述动力学模型的状态转移参量和过程噪声参量的处理包括：

构建所述容量时间序列在Jerk模型下的系统状态方程，并提取所述系统状态方程对应的状态转移矩阵A和过程噪声方差矩阵Q。

5.根据权利要求4所述的方法，其特征在于，所述利用所述状态转移参量和过程噪声参量对所述容量时间序列进行Kalman滤波器估计，生成至少一个状态特征信号的处理包括：

利用所述状态转移矩阵A和所述过程噪声方差矩阵Q对所述容量时间序列进行Kalman滤波器估计，并生成至少一个如下的状态特征信号：速度、加速度和加速度导数。

6.根据权利要求5所述的方法，其特征在于，所述根据所述至少一个状态特征信号对所述容量时间序列进行分段，并确定相应的至少一个分段点的处理包括：

根据所述容量时间序列经所述Kalman滤波器估计后得到的所述速度、加速度和加速度导数中的至少一个状态特征信号对所述容量时间序列进行分段，并确定相应的至少一个分段点。

7.根据权利要求6所述的方法，其特征在于，所述根据所述容量时间序列经所述Kalman滤波器估计后得到的所述速度、加速度和加速度导数中的至少一个状态特征信号对所述容量时间序列进行分段，并确定相应的至少一个分段点的处理包括：

针对所述容量时间序列经所述Kalman滤波器估计后得到的速度、加速度、加速度导数的信号中的至少一种信号，确定其存在的至少一个相变信号区域；

根据确定的所述至少一个相变信号区域对所述容量时间序列进行分段，确定相应的至少一个分段点。

8.根据权利要求7所述的方法，其特征在于，所述针对所述容量时间序列经所述Kalman滤波器估计后得到的速度、加速度、加速度导数的信号中的至少一种信号，确定其存在的至少一个相变信号区域的处理包括：

针对所述容量时间序列经所述Kalman滤波器估计后得到的速度、加速度、加速度导数的信号中的至少一种信号，采用两个连续且长度相同的滑动窗口按时间点顺序计算每所述两个滑动窗口内信号的方差或均值；

若所述两个滑动窗口内信号的方差或均值不相同的概率大于预置的相应的概率阈值，则标记所述两个连续滑动窗口的中间点为一个分段疑似点；

将由多个连续的所述分段疑似点构成的信号区域确定为所述容量时间序列的一个所述相变信号区域。

9.根据权利要求8所述的方法，其特征在于，所述根据确定的所述至少一个相变信号区域对所述容量时间序列进行分段，确定相应的至少一个分段点的处理包括：

将各所述相变信号区域中，对应的所述两个滑动窗口内信号的方差的差值中的最大值或均值的差值中的最大值所对应的所述分段疑似点确定为一个分段点。

10.根据权利要求8所述的方法，其特征在于，所述根据确定的所述至少一个相变信号区域对所述容量时间序列进行分段，确定相应的至少一个分段点的处理包括：

将各所述相变信号区域中的中间点确定为一个分段点。