高铁沿线大风预测技术研究

• 作者: 金曈宇 叶小岭 熊雄 巩灿灿 姚锦松
• 来源期刊: 铁道科学与工程学报
• 关键词: 铁路大风预测 样本熵 完整集合经验模态分解 长短期记忆神经网络
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 高速铁路技术与智慧交通|High-speed Rail Technology and Intelligent Transportation
• 页码范围: 615-622
• 页数: 8页
• 分类号: P425.6+2
• 语种: 中文
• DOI: 10.19713/j.cnki.43-1423/u.T20200435

摘要

风速预测是风致灾害预警的关键技术.针对高铁大风预测中延迟性和误报的问题,提出一种基于完整集合经验模态分解(CEEMDAN)和长短期记忆神经网络(LSTM)的组合预测模型对高铁沿线风速进行预测.为了减少预测模型的复杂度和提高模型预测精度,原始风速数据用CEEMDAN分解并利用样本熵(SE)理论将分解出的分量按照样本熵近似值重组成趋势、细节、随机三分量后用长短期记忆神经网络建立预测模型.以高铁沿线某段风速气象数据为例,实验结果表明,与其他预测方法相比,本方法可有效降低预测延迟性和提高预测精度,准确追踪风速的波动性和非线性非平稳的变化,性能更加优越.在高速铁路沿线大风预测中能够发挥良好的适用性,减少大风预警的误报或不报等情况的发生.