鐵路沿線風信號智能預測算法研究.pdf

1、強風是危及鐵路運輸安全的主要氣象災害之一。
　　 我國有多條橫跨惡劣強風區(qū)域的鐵路線路，包括青藏、蘭新等。強風線路沿線風速引發(fā)的氣動橫向力和氣動升力是造成列車吹翻事故的根本原因。開展鐵路沿線關(guān)鍵區(qū)域強風風速實時預測研究，是鐵路運營部門在惡劣強風環(huán)境下防范事故、進行科學決策和安全行車指揮調(diào)度的有效手段，也是研建高水平強風預警指揮系統(tǒng)的核心關(guān)鍵技術(shù)之一。
　　 為獲得不同步長的高精度鐵路沿線風速短期預報值，本文引入小波分析、

2、遺傳算法、神經(jīng)網(wǎng)絡和自適應卡爾曼濾波等現(xiàn)代智能優(yōu)化理論，結(jié)合時間序列分析理論，開展高精度風速預測智能優(yōu)化研究。經(jīng)過多年研究，提出了鐵路沿線非平穩(wěn)風速信號智能預測新算法：
　　 (1)對實測非平穩(wěn)風速信號建立時間序列模型，完成超前多步預測計算。針對所建模型存在的精度不高問題，引入滾動修正優(yōu)化改進思路，提出了滾動時間序列分析法。并將該方法與小波分析法混合建模，提出了小波分析一滾動時間序列分析法(Wavelet Rolling Tim

3、e Series Method，簡稱WRTSM)。預測實例表明：WTSM明顯提高了時間序列分析法的預測精度，改善了模型預測延時現(xiàn)象。WTSM兼具小波分析法信號細分與時間序列分析法建模簡單的綜合算法性能，獲得了高精度的大步長預測結(jié)果。該研究成果已刊登于國際SCI刊物《Renewable Energy》。
　　 (2)對實測非平穩(wěn)風速信號建立BP(Back Propagation)神經(jīng)網(wǎng)絡模型，完成超前多步預測計算。針對BP預測網(wǎng)絡

4、初始權(quán)值確定的隨意性與主觀性，以及網(wǎng)絡學習時間過長、預測精度不高等不足，引入遺傳算法和時間序列分析理論的潘迪特-吳賢明建模方案，提出了遺傳-神經(jīng)網(wǎng)絡優(yōu)化模型和神經(jīng)網(wǎng)絡結(jié)構(gòu)時間序列確定方法。并將該優(yōu)化方法與小波分析法混合建模，提出了小波分析-遺傳算法-神經(jīng)網(wǎng)絡法(Wavelet Genetic BPMethod，簡稱WGBM)。預測實例表明：WGBM明顯改善了上述神經(jīng)網(wǎng)絡的不足，兼有小波分析法信號細分、遺傳算法信號全局搜索和神經(jīng)網(wǎng)絡法信號

5、非線性映射等能力，獲得了高精度小步長預測結(jié)果。該研究成果將刊登于國際SCI刊物《Information Science》。
　　 (3)為了獲得非平穩(wěn)風速信號超前單步超高精度預測，運用小波分析法和自適應卡爾曼濾波法混合建模，提出了小波分析-卡爾曼濾波法(Wavelet-Kalman Method，簡稱WKM)。預測實例表明：WKM吸收了小波分析法信號細分和自適應卡爾曼濾波法實時追蹤的綜合算法特征，獲得了超前單步超高精度預測結(jié)果，