4： 定义状态变量：获取本段t时刻的运行工况参数X_t,并进行取平均\bar{X_t},利用模型B计算状态理变量Qs 5： 定义观测变量：获取本时段t内的流量样本Q_t，求平均值作为观测值\bar{Q_t}\ 6： 建立动态模型：利用理论流量计算模型B建立动态系统模型，并加入高斯白噪声w模型描述系统的不确定性:\frac{dX}{dt} = B*X_t+w 7： 初始化状态估计值和协方差矩阵：初始时，将状态估计值x^^设为理论计算值f(x0)，协方差矩阵P设为一个较大的值x^^(0) = f(x0)，P(0) = P0。 8： 预测状态：假设上一时刻的状态估计向量为x_{t-1}^^，状态转移矩阵为F，过程噪声协方差矩阵为Q，则:预测状态值：为x^^(t|t-1)=F*x^^(t-1),预测协方差矩阵：P(t|t-1)=F*P(t-1)*F^T+Q 8： 更新状态：

利用观测值\bar{Q_t}和模型预测值x^^(t|t-1)进行状态更新。观测矩阵为H，测量噪声协方差矩阵为R，卡尔曼增益为K，则更新状态值为：x^^(t|t)=x^^(t|t-1)+K*(\bar{Q_t}-H*x^^(t|t-1)),更新协方差矩阵为：P(t|t)=(I-K*H)*P(t|t-1)，其中I为单位矩阵。更新后的状态向量和协方差矩阵即为当前时刻t的最优状态估计值和估计误差。