一种组合法风速预测模型构建方法技术

本发明专利技术公开了一种组合法风速预测模型构建方法，包括以下步骤：S1：对原始风速进行小波分解，得到分解后的风速值，得到分解预测值并将预测值进行组合，最终得到整体的基于小波分解的时间序列法风速预测值；S2：对原始风速进行EEMD分解，得到若干数据，进行提前一步预测得到各子序列预测值，将预测值进行叠加，得到整体的风速预测值；S3：以小波分解的时间序列风速预测结果和EEMD分解的GA‑BP风速预测结果两个模型的预测结果作为BP神经网络的输入值，以对应时刻的实测风速值作为网络的输出值，通过训练得到组合法预测模型；通过综合利用各种单一预测结果所提供的风速信息，并将各单一预测结果进行组合，从而构造出具有更高精度的新的预测模型。

【技术实现步骤摘要】
一种组合法风速预测模型构建方法
本专利技术涉及高速铁路风速预测领域，具体是一种组合法风速预测模型构建方法。
技术介绍
在高速铁路网络覆盖面积的不断扩张的背景下，处在强风地区的高铁里程也越来越长，由于高速列车运行速度的不断提高，对列车运行的安全性也提出了更高的要求，当列车经过强风地区时，风力作用会使列车表面气压发生变化，导致列车空气动力学性能恶化，严重影响列车的横向稳定和运行安全性。针对时有发生的列车运行安全事故，我国已经建成73条线路的高铁防灾减灾系统，其中大风监测点2612处，雨量监测点1432处，雪深监测点126处以及地震监测点1180处，形成了能够实时监测铁路沿线风、雨、雪及地震情况的高铁防灾网。目前高速铁路防灾网内已经积累了海量的风、雨、雪及地震原始监测数据，然而这些数据主要用于灾害事故的分析，还未对其进行更为有效的分析和利用，例如完善高速铁路灾害预报预警系统，有鉴于此，有必要充分利用高速铁路沿线风速监测数据，建立风速短期高精度预测模型，得到短期风速预测值，并基于该风速预测值评价列车运行的安全性。在现有技术中采用的风速预测模型主本文档来自技高网...

【技术保护点】
1.一种组合法风速预测模型构建方法，其特征在于，包括以下步骤：/nS1：对原始风速进行小波分解，得到分解后的风速值，利用模型对各分解风速进行提前一步预测得到分解预测值，将预测值进行组合，最终得到整体的基于小波分解的时间序列法风速预测值；/nS2：对原始风速进行EEMD分解，得到若干本征模函数imf和剩余信息r，利用遗传算法优化的BP神经网络对各分解风速进行提前一步预测得到各子序列预测值，将预测值进行叠加，得到整体的风速预测值；/nS3：以小波分解的时间序列风速预测结果和EEMD分解的GA-BP风速预测结果两个模型的预测结果作为BP神经网络的输入值，以对应时刻的实测风速值作为网络的输出值，通过训...

【技术特征摘要】
1.一种组合法风速预测模型构建方法，其特征在于，包括以下步骤：
S1：对原始风速进行小波分解，得到分解后的风速值，利用模型对各分解风速进行提前一步预测得到分解预测值，将预测值进行组合，最终得到整体的基于小波分解的时间序列法风速预测值；
S2：对原始风速进行EEMD分解，得到若干本征模函数imf和剩余信息r，利用遗传算法优化的BP神经网络对各分解风速进行提前一步预测得到各子序列预测值，将预测值进行叠加，得到整体的风速预测值；
S3：以小波分解的时间序列风速预测结果和EEMD分解的GA-BP风速预测结果两个模型的预测结果作为BP神经网络的输入值，以对应时刻的实测风速值作为网络的输出值，通过训练得到组合法预测模型。


2.根据权利要求1所述的一种组合法风速预测模型构建方法，其特征在于，所述步骤S1包括：
S1.1：获取原始风速数据并利用db3小波进行分解与重构，得到趋势信号a3，用表示；细节信号d1、d2、d3，分别用表示；
S1.2：分别对风速信号a3、d1、d2、d3的自相关函数和偏自相关函数进行计算，并检验其平稳性，如果为非平稳信号，则对其差分处理，得到平稳的时间序列信号；
S1.3：根据每条风速信号求得的自相关函数和偏自相关函数的拖尾性与截尾性，再结合AIC准则，分别为每条风速信号选择合适的模型并确定模型的阶数；
S1.4：利用最小二乘估计的方法，对每个模型中的参数分别进行参数估计；
S1.5：对每个模型检验其有效性，若模型不满足要求，则返回第S1.3步，重新选择合适的模型及适当的阶数，直至选取最优模型；
S1.6：针对每条风速信号建立的拟合模型，进行风速预测，得到风速预测值...

【专利技术属性】
技术研发人员：勾红叶，蒲黔辉，王君明，杨龙城，李梁，赵虎，刘雨，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川;51