青藏鐵路大風(fēng)監(jiān)測(cè)預(yù)警系統(tǒng)風(fēng)速預(yù)測(cè)算法研究.pdf

1、大風(fēng)是影響列車運(yùn)行安全性與穩(wěn)定性的主要惡劣性天氣之一。隨著高速鐵路的迅速發(fā)展,強(qiáng)橫風(fēng)對(duì)列車運(yùn)行安全構(gòu)成了嚴(yán)重威脅。由大風(fēng)引起的行車事故在世界各國時(shí)有發(fā)生。青藏鐵路格爾木至拉薩段位于青藏高原腹地,氣候十分復(fù)雜,極端天氣事件特別是大風(fēng)的頻繁發(fā)生嚴(yán)重威脅到了鐵路運(yùn)輸安全。青藏鐵路沿線大部分風(fēng)站的歷史最大風(fēng)速超過25m/s,部分風(fēng)站甚至超過40m/s,破壞力巨大,對(duì)鐵路橋梁、鐵路線路、車輛以及通信設(shè)備都可能造成不同程度的危害。因此,深入開展青藏

2、鐵路沿線大風(fēng)演變規(guī)律和風(fēng)速預(yù)測(cè)研究,是鐵路運(yùn)營(yíng)部門科學(xué)地進(jìn)行行車指揮調(diào)度的迫切需要,具有重要的社會(huì)經(jīng)濟(jì)意義和工程應(yīng)用價(jià)值。
　　 在總結(jié)了國內(nèi)外相關(guān)研究成果的基礎(chǔ)上,針對(duì)青藏鐵路沿線風(fēng)速序列呈現(xiàn)出隨機(jī)性和動(dòng)態(tài)相關(guān)性的特點(diǎn),論文提出了基于時(shí)間序列分析理論的ARIMA預(yù)測(cè)算法。在此基礎(chǔ)上,為進(jìn)一步改善預(yù)測(cè)效果,論文提出了兩種優(yōu)化算法:(1)支持向量機(jī)理論與時(shí)間序列分析理論相結(jié)合的SVM-ARMA算法,建立結(jié)構(gòu)風(fēng)險(xiǎn)最小化意義下的時(shí)間序

3、列模型;(2)時(shí)間序列分析理論與卡爾曼濾波理論相結(jié)合的ARMA-SMFKF算法,利用觀測(cè)值帶來的新息動(dòng)態(tài)地修正預(yù)測(cè)誤差;引入多重次優(yōu)漸消因子改進(jìn)卡爾曼濾波器,以增強(qiáng)算法跟蹤時(shí)間序列突變點(diǎn)的能力。利用青藏鐵路實(shí)測(cè)風(fēng)速序列對(duì)上述兩種算法的驗(yàn)證結(jié)果表明:SVM-ARMA算法的風(fēng)速短期超前預(yù)測(cè)精度較ARIMA算法有所提高;ARMA-SMFKF算法大幅提高了預(yù)測(cè)精度,特別是序列突變點(diǎn)的預(yù)測(cè)精度,同時(shí)顯著改善了預(yù)測(cè)延時(shí)間題。兩種優(yōu)化算法均得了良好的