基于多源异构数据融合的高铁沿线大风预测算法制造技术

本发明专利技术公开了一种基于多源异构数据融合的高铁沿线大风预测算法

【技术实现步骤摘要】
基于多源异构数据融合的高铁沿线大风预测算法


[0001]本专利技术属于智慧气象
，尤其涉及一种基于多源异构数据融合的高铁沿线大风预测算法
。

技术介绍

[0002]大风是影响高铁安全运行的最大因素，不仅影响乘坐舒适性，还可能导致列车不能正常运行，严重影响行车安全，甚至引起列车脱轨
、
倾覆等车毁人亡重大安全事故，对国家经济发展造成消极影响
。
现有的高铁防灾系统已具备大风实时监测报警功能，但是还不具备大风预测预警功能，因此时常发生因报警发出列车已经进入大风区域或因减速时间窗口不够而超速进入大风区的事件
。
如果系统能够通过当前时刻的风速数据预测未来一段时间的风速值，进而对大风提前做出预警，就能让调度和司机提前做好应急处置准备，更好地保障高铁运营安全
。
[0003]近年来，关于铁路大风预警的研究主要以单一的铁路监测的大风数据为基础，采用时间序列等方法开展风速预测
。
目前学者围绕铁路风速预测开展了基于时间序列的
ARIMA<br/>预测模型...

【技术保护点】

【技术特征摘要】
1.
基于多源异构数据融合的铁路沿线大风预测算法，其特征在于，包括以下步骤
S1
，针对待预测铁路沿线风速监测点区域，在预设历史范围内预设时距的各历史时间点，获取区域内目标风速监测点的风速数据，以及相距该目标风速监测点预设距离内各气象站的气象要素数据，并对风速数据和气象要素数据进行数据预处理，构建多元多时距风速预测样本集，多元多时距风速预测样本集包括检测气象要素数据以及相对应的铁路沿线目标风速监测点的检测风速，其中，气象要素数据包括风速
、
风向
、
气压
、
温度
、
湿度
、
降雨量；
S2
，构建待训练基于多源异构数据融合的多支路
TCN
‑
BiLstm
注意力预测网络模型；所述基于多源异构数据融合的多支路
TCN
‑
BiLstm
注意力预测网络模型包括依次相连的编码器和解码器，编码器中包括依次相连的多支路特征提取网络和特征融合模块；在编码器中，构建多支路特征提取网络，多支路特征提取网络包括用于提取不同层级特征的三个依次相连的特征提取支路，其中，各特征提取支路分别均包括依次相连的
TCN
时间卷积网络
、BiLstm
双向长短期记忆网络以及
ECANet
高效通道注意力网络；第一特征提取支路的输入为多元多时距风速预测样本集，各后续特征提取支路的输入是前一个特征提取支路的输出，各特征提取支路的输出为所提取的特征向量；特征融合模块的输入为三个特征提取支路所提取的特征向量，特征融合模块包括依次相连的1×1卷积核的
DO
‑
Conv
深度参数化卷积
、
批量归一化层和
GELU
非线性激活函数
、ECANet
高效通道注意力网络；解码器的输入为特征融合后得到的特征向量，解码器包括1×1卷积层
、ECANet
高效通道注意力网络以及
、BiLstm
双向长短期记忆网络，获得最终预测向量并输出；
S3
，基于多元多时距风速预测样本集，以铁路沿线目标风速监测点的检测风速以及相对应的检测气象要素数据为输入，以目标风速监测点的相距预设时距的检测风速为输出，针对待训练基于多源异构数据融合的多支路
TCN
‑
BiLstm
注意力预测网络模型进行训练，获得基于多源异构数据融合的多支路
TCN
‑
BiLstm
注意力预测网络模型；
S4
，以检测气象要素数据为输入，以铁路沿线目标风速监测点的预测风速为输出，使用基于多源异构数据融合的多支路
TCN
‑
BiLstm
注意力预测网络模型进行预测
。2.
根据权利要求1所述的基于多源异构数据融合的高铁沿线大风预测算法，其特征在于，
S1
中所述对风速数据和气象要素数据进行数据预处理包括获取预设历史范围内预设时距的各历史时间点铁路沿线目标风速监测点的风速数据的平均值，并选择中位数处理异常值，选取的与铁路风速监测点相关性大的气象要素数据，然后选择岭回归填补缺失数据
。3.
根据权利要求1所述的基于多源异构数据融合的高铁沿线大风预测算法，其特征在于，
S2
中所述特征融合模块中，针对输入的三个特征提取支路所提取的特征向量，进行如下操作：首先，每个特征提取支路获得的特征向量分别输入一个带有1×1卷积核的
DO
‑
Conv
深度参数化卷积，获得两个分支的高层次特征表示的特征向量；其次，将各分支的高层次特征表示的特征向量分别均输入一个批量归一化层和一个
GELU
非线性激活函数，获得两个分支的经过特征提取和处理的特征向量；然后，将两个分支的经过特征提取和处理的特征向量进行组合，获得组合特征向量；将组合特征向量先后输入一个
ECANet
高效通道注意力网络和1×1卷积核的
DO
‑
Conv
深度参数化卷积，获得特征融合模块输出的特征向量，计算过程如下：
X1＝
G(BN(DOConv1×1(X
in1
)))X2＝
G(BN(DOConv1×1(X
...

【专利技术属性】
技术研发人员：张颖超，安然，叶小岭，胡凯，熊雄，陈昕，王翼虎，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：