鐵路沿線風(fēng)信號智能預(yù)測算法研究.pdf

1、強(qiáng)風(fēng)是危及鐵路運(yùn)輸安全的主要氣象災(zāi)害之一。
　　 我國有多條橫跨惡劣強(qiáng)風(fēng)區(qū)域的鐵路線路，包括青藏、蘭新等。強(qiáng)風(fēng)線路沿線風(fēng)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(qiáng)風(fēng)風(fēng)速實時預(yù)測研究，是鐵路運(yùn)營部門在惡劣強(qiáng)風(fēng)環(huán)境下防范事故、進(jìn)行科學(xué)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(qiáng)風(fēng)預(yù)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(fēng)速短期預(yù)報值，本文引入小波分析、

2、遺傳算法、神經(jīng)網(wǎng)絡(luò)和自適應(yīng)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(fēng)速預(yù)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(fēng)速信號智能預(yù)測新算法：
　　 (1)對實測非平穩(wěn)風(fēng)速信號建立時間序列模型，完成超前多步預(yù)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(jìn)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(yù)測實例表明：WTSM明顯提高了時間序列分析法的預(yù)測精度，改善了模型預(yù)測延時現(xiàn)象。WTSM兼具小波分析法信號細(xì)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(yù)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(fēng)速信號建立BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)模型，完成超前多步預(yù)測計算。針對BP預(yù)測網(wǎng)絡(luò)

4、初始權(quán)值確定的隨意性與主觀性，以及網(wǎng)絡(luò)學(xué)習(xí)時間過長、預(yù)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(luò)優(yōu)化模型和神經(jīng)網(wǎng)絡(luò)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(luò)法(Wavelet Genetic BPMethod，簡稱WGBM)。預(yù)測實例表明：WGBM明顯改善了上述神經(jīng)網(wǎng)絡(luò)的不足，兼有小波分析法信號細(xì)分、遺傳算法信號全局搜索和神經(jīng)網(wǎng)絡(luò)法信號

5、非線性映射等能力，獲得了高精度小步長預(yù)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(fēng)速信號超前單步超高精度預(yù)測，運(yùn)用小波分析法和自適應(yīng)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(yù)測實例表明：WKM吸收了小波分析法信號細(xì)分和自適應(yīng)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(yù)測結(jié)果，