[發明專利]一種用于高速列車的最大瞬時風速概率預測方法有效
| 申請號： | 201910909626.7 | 申請日： | 2019-09-25 |
| 公開（公告）號： | CN110598955B | 公開（公告）日： | 2022-12-20 |
| 發明（設計）人： | 王浩;張一鳴;茅建校;郜輝 | 申請（專利權）人： | 東南大學 |
| 主分類號： | G06F30/27 | 分類號： | G06F30/27;G06N3/04;G06N3/08;G06K9/62 |
| 代理公司： | 南京眾聯專利代理有限公司 32206 | 代理人： | 許小莉 |
| 地址： | 210096 *** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 用于 高速 列車 最大 瞬時 風速 概率 預測 方法 | ||
1.一種用于高速列車的最大瞬時風速概率預測方法，其特征在于，該方法包括如下步驟：
第一步，選取最大風速序列：采集列車運行過程中的風速數據，提取指定步長的最大風速，將其劃分為訓練數據、驗證數據以及測試數據；
第二步，根據偏自相關函數確定模型輸入變量的數量，輸入第一步中得到的訓練數據至LSTM模型，同時將第一步中得到的訓練數據隨機化成若干組輸入至RF模型；
第三步，以訓練數據及驗證數據的損失值均逐漸減小為原則，調整RF模型與LSTM模型的超參數以使模型性能達到最優，運行最優LSTM模型若干次得到多組不同的輸出值；
第四步，采用RF模型及LSTM模型的輸出值作為GPR模型的輸入，根據驗證數據的均方根誤差值最小原則，訓練并確定GPR模型的最優核函數；
第五步，將測試數據輸入第三步中得到的最優RF模型及LSTM模型，GPR模型的輸出值即為最大瞬時風速的概率預測值，用以提前控制強風下的高速列車車速。
2.根據權利要求1所述的用于高速列車的最大瞬時風速概率預測方法，其特征在于：第一步中所述指定步長為1-2分鐘，按8:1:1的比例將最大風速序列劃分為訓練數據、驗證數據以及測試數據。
3.根據權利要求1所述的用于高速列車的最大瞬時風速概率預測方法，其特征在于，第二步中所述根據偏自相關函數確定模型輸入變量的數量的方法是：假設最大瞬時風速時間序列為{x1,x2,…,xn}，當階數為k時對應的偏自相關函數值超過95％的置信區間時，即認為k為輸入變量的數量。
4.根據權利要求1所述的用于高速列車的最大瞬時風速概率預測方法，其特征在于：第二步中所述的訓練數據隨機化的次數以及第三步中最優LSTM的運行次數均不少于3次。
5.根據權利要求1所述的用于高速列車的最大瞬時風速概率預測方法，其特征在于：第三步中所述以訓練數據及驗證數據的損失值均逐漸減小為原則，調整RF模型與LSTM模型的超參數以使模型性能達到最優的過程中，所述損失值減小采用損失函數表征，損失函數采用均方誤差MSE或平均絕對誤差MAE，如下式所示：
其中，yi與分別表示實際值和預測值，N為樣本數量。
6.根據權利要求1所述的用于高速列車的最大瞬時風速概率預測方法，其特征在于：所述GPR模型的核函數為平方指數核函數、指數核函數、Matern核函數或三種核函數的組合。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于東南大學，未經東南大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910909626.7/1.html，轉載請聲明來源鉆瓜專利網。
