我想实现一个卡尔曼滤波器,用下面的两组时间序列数据来预测餐厅每天实际就餐的顾客数量。
状态转换: x_(k+1) = Ak * x_k + Bk * u_k
测量: yk = Ck * x_k + Dk * u_k
您的测量结果是您拥有的数据集:
y1:客户已输入
y2:点了菜
让我设置一些示例方程:
设状态为:
x1: 就餐顾客数量
x2:员工人数
x3: 外卖顾客数量
现在 y1 = x1 + x2 + x3
y2 = 4 * x1 + 5 * x3
这给出了 C 矩阵
您仍然必须定义一个 A 矩阵,用于定义步骤 k 处的当前客户与步骤 k+1 处的下一个客户之间的关系。
没有这些关系,您可能不会遇到卡尔曼滤波问题。