【技术实现步骤摘要】
一种基于频繁序列的高铁大风预警方法
本专利技术属于高铁大风预警领域,具体涉及一种基于频繁序列的高铁大风预警方法。
技术介绍
随着铁路高速化、安全化的大力推进,铁路沿线大风预警的研究越来越受到关注。铁路沿线风速值作为保障列车行驶安全的重要指标,对风速序列信息进行数据挖掘并作出合理预测,对保障列车行驶安全具有重大意义。基于频繁序列的高铁大风预警模式库构建作为高铁大风预警模型的核心任务之一,其本质是从给定的大风检测数据中挖掘规则信息,寻找频繁子序列作为模式的知识发现过程。目前我国高铁行车指挥采用人工调度处置模式,存在方式落后、效率低下等问题,近年来有学者研究了如何提高大风预警的准确性。但现施行的高铁大风预警技术,仍依赖于预测的准确程度和时效程度,难以达到秒级粒度条件下的高精度预测,不符合现有的高铁遇大风事件的报警规则,易发生误报和漏报。事实上,高铁沿线的风速值预测问题与高铁大风预警问题并不能完全等价。其次,现实中高铁大风报警规则精确到秒,而传统研究中风速序列的时间单位为分钟或小时,难以满足秒级粒度的实际需求。除此之外,预警数据和非预警数据在一定程度上是具有共性的,若只考虑预警状态到报警状态的模式,会在实际应用中造成大量的误报警。综上所述,传统高铁大风预警存在精度低、易漏报和误报的问题。
技术实现思路
针对现有技术中的上述不足,本专利技术提供的一种基于频繁序列的高铁大风预警方法解决了传统高铁大风预警存在的问题。为了达到上述专利技术目的,本专利技术采用的技术方案为:一种基于频繁序列的高铁大风 ...
【技术保护点】
1.一种基于频繁序列的高铁大风预警方法,其特征在于,包括以下步骤:/nS1、采集高速铁路沿线的实时风速时间序列,并获取高速铁路沿线的历史风速时间序列;/nS2、通过高速铁路沿线的历史风速时间序列获取预警序列集和非预警序列集;/nS3、分别将预警序列集和非预警序列集的风速值映射为符号,得到符号化的预警序列集和非预警序列集;/nS4、利用序列模式挖掘算法对符号化的预警序列集和非预警序列集进行挖掘,得到预警频繁序列集和非预警频繁序列集;/nS5、剔除预警频繁序列集和非预警频繁序列集中前缀组成相同的非最长频繁序列模式,并剔除预警频繁序列中包含有非预警序列特征的子序列,得到预警模式库;/nS6、将实时风速时间序列与预警模式库的序列进行模式匹配,并判断是否匹配成功,若是,则发出预警命令,否则不进行操作。/n
【技术特征摘要】
1.一种基于频繁序列的高铁大风预警方法,其特征在于,包括以下步骤:
S1、采集高速铁路沿线的实时风速时间序列,并获取高速铁路沿线的历史风速时间序列;
S2、通过高速铁路沿线的历史风速时间序列获取预警序列集和非预警序列集;
S3、分别将预警序列集和非预警序列集的风速值映射为符号,得到符号化的预警序列集和非预警序列集;
S4、利用序列模式挖掘算法对符号化的预警序列集和非预警序列集进行挖掘,得到预警频繁序列集和非预警频繁序列集;
S5、剔除预警频繁序列集和非预警频繁序列集中前缀组成相同的非最长频繁序列模式,并剔除预警频繁序列中包含有非预警序列特征的子序列,得到预警模式库;
S6、将实时风速时间序列与预警模式库的序列进行模式匹配,并判断是否匹配成功,若是,则发出预警命令,否则不进行操作。
2.根据权利要求1所述的基于频繁序列的高铁大风预警方法,其特征在于,所述步骤S2包括以下分步骤:
S2.1、根据高铁大风报警规则,通过历史风速时间序列获取n条报警序列,其中,第i条报警序列的起点索引为si,其终点索引为ei,i=1,2,...,n;
S2.2、从n条报警序列中筛选出超限值和超限持续时间的报警序列,得到报警序列集;
S2.3、根据高铁大风预警的提前时间要求,设定提前预警的固定时间窗口为Tew;
S2.4、根据报警序列集,截取历史风速时间序列中在(si-Tew)—(si-1)索引范围内的值组成序列,得到预警序列集;
S2.5、根据报警序列集,截取历史风速时间序列中在(si-Tinter)—(si-Tew)索引范围内的值组成序列,并将其进行分段,得到序列长度为Tew的非预警序列集;
其中,Tinter表示第i条报警序列前的序列长度。
3.根据权利要求1所述的基于频繁序列的高铁大风预警方法,其特征在于,所述步骤S3包括以下分步骤:
S3.1、将小于超限值的风力值按照风力对照表划分范围,将大于超限值的风力值按照铁路技术管理规程的临界风速进行划分范围,得到风力值范围;
S3.2、将划分过后的风力值范围,按照从小到大的风力值范围依...
【专利技术属性】
技术研发人员:滕飞,刘鉴竹,勾红叶,祝锦烨,
申请(专利权)人:西南交通大学,
类型:发明
国别省市:四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。