《鐵路沿線風速超前多步高精度預測方法研究》是依託中南大學，由劉輝擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：鐵路沿線風速超前多步高精度預測方法研究
- 項目類別：青年科學基金項目
- 項目負責人：劉輝
- 依託單位：中南大學
項目摘要,結題摘要,
項目摘要
強風是影響鐵路運輸安全的主要氣象災害之一。實現鐵路沿線風速預測是鐵路運營部門在惡劣強風環境下防範事故、科學決策和安全指揮調度的有效手段。針對目前風速預測所面臨的超前步數有限、自學習能力差和求解複雜等問題，擬引入多種智慧型控制最佳化算法開展風速統計-智慧型、多智慧型混合預測研究，核心內容涵蓋：① 運用信息閉環反饋技術對經典時序預測模型進行最佳化以提高其信息追蹤融合能力；② 通過對小波/小波包分析法、模式經驗分解法與最佳化後的閉環時序模型進行二次混合建模，建立不同組合的風速混合預測模型；③ 運用小波/小波包分析法、遺傳算法等對經典神經網路模型進行最佳化以提高其對非平穩風速的全局搜尋與高分辨識別能力，建立混合模型；④ 比較分析上述所建的風速預測模型體系，確定適應不同預測場合的鐵路風速混合預測方法；⑤ 基於算法成果開發相應的風速智慧型預測系統及成套軟體。
結題摘要
為保障強風環境下的鐵路運營安全，本課題完成了鐵路沿線風速的超前多步高精度建模與預測研究。主要內容包括：（1）完成鐵路局部近地風場物理數值模擬計算，提出了以列車氣動性能為依據的鐵路沿線測風點位置確定方法和風速流動規律計算方法；（2）建立通過信息反饋技術最佳化的滾動時序RARIMA預測新模型。將其與模式經驗分解法EMD實現二次建模，建立名為EMD-RARIMA的混合預測新模型，發表於國際JCR一區期刊《Journal of Wind Engineering and Industrial Aerodynamics》；（3）利用小波WD/小波包WPD/經驗模式分解EMD/快速集成經驗模式分解FEEMD四種信號分解算法對鐵路風速開展多尺度分解。根據獲得的不同分解層風速特徵，運用不同類型的神經網路（包括ANFIS、MLP、ELMAN和ELM）與不同的信號分解算法開展混合建模，引入遺傳算法GA和思維進化算法MEA最佳化相關神經網路，發現並建立了一系列鐵路風速混合預測的新模型，包括：建立名為FEEMD-MLP、FEEMD-ANFIS、WPD-MLP和WPD-ANFIS的4種混合預測新模型，發表於國際JCR一區期刊《Energy Conversion & Management》；建立名為WPD-FEEMD-ELMAN的混合預測新模型，發表於國際JCR一區權威期刊《Applied Energy》；建立名為WD-ELM、WPD-ELM、EMD-ELM和FEEMD-ELM的4種混合預測新模型，發表於國際JCR一區權威期刊《Energy Conversion & Management》；建立名為FEEMD-GA-MLP和FEEMD-MEA-MLP的2種混合預測新模型，發表於國際JCR二區期刊《Renewable Energy》；建立名為小波-神經網路的混合預測新模型，發表於《鐵道學報》；建立名為EMD-ANFIS的混合預測新模型，發表於《中南大學學報》；（4）利用Adaboost算法和MLP神經網路開展混合建模，發現並建立了名為Adaboost-MLP的混合預測新模型，發表於國際JCR一區權威期刊《Energy Conversion & Management》；（5）比較上述混合預測新模型的性能，形成滿足不同場合的鐵路風速預測方法及技術，並開發了鐵路風速預測軟體，已申請國家發明專利5項。
