[發(fā)明專利]短期風(fēng)速區(qū)間預(yù)測方法、系統(tǒng)、計算機設(shè)備和存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202210393359.4
• 申請日: 2022-04-15
• 公開（公告）號: CN114861524A
• 公開（公告）日: 2022-08-05
• 發(fā)明（設(shè)計）人: 李磊;過加錦;任俞霏;李江娥
• 申請（專利權(quán)）人: 浙江師范大學(xué)
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F119/02
• 代理公司: 杭州合信專利代理事務(wù)所(普通合伙) 33337
• 代理人: 黃平英

本申請涉及一種短期風(fēng)速區(qū)間預(yù)測方法、系統(tǒng)、計算機設(shè)備和存儲介質(zhì)，其中，該方法包括：獲取經(jīng)過預(yù)處理的風(fēng)速信息，對風(fēng)速信息進行分解，得到若干風(fēng)速分量；根據(jù)風(fēng)速分量的復(fù)雜度，篩選出其中較復(fù)雜的風(fēng)速分量作為第一風(fēng)速分量，并將余下風(fēng)速分量作為第二風(fēng)速分量；分別對第一風(fēng)速分量和第二風(fēng)速分量進行區(qū)間預(yù)測和點預(yù)測，得到相應(yīng)的預(yù)測結(jié)果，并結(jié)合預(yù)測結(jié)果，得到風(fēng)速區(qū)間預(yù)測結(jié)果。通過本申請，解決了風(fēng)速點預(yù)測存在較大誤差，從而導(dǎo)致決策困難的問題，實現(xiàn)了通過風(fēng)速區(qū)間預(yù)測方法減小誤差的效果。

技術(shù)領(lǐng)域

本申請涉及高速鐵路安全監(jiān)控領(lǐng)域，特別是涉及一種短期風(fēng)速區(qū)間預(yù)測方法、系統(tǒng)、計算機設(shè)備和存儲介質(zhì)。

背景技術(shù)

我國高鐵點多、線長、面廣，截至2021年底，我國高鐵運營里程已突破4萬公里，超過世界高鐵總里程的三分之二。當(dāng)前全球變暖，導(dǎo)致極端天氣頻發(fā)，列車運行的環(huán)境也愈發(fā)復(fù)雜。其中，環(huán)境風(fēng)速是影響高速列車運行安全性的重要因素。當(dāng)列車速度越快，臨界傾覆風(fēng)速越小，環(huán)境風(fēng)速大小直接影響著高速列車的運行安全，因此對高速鐵路沿線短期風(fēng)速進行預(yù)測具有一定現(xiàn)實意義。

現(xiàn)有技術(shù)中主要集中于以短期的風(fēng)速為預(yù)測目標(biāo)進行風(fēng)速預(yù)警，通常情況下為確定性的點預(yù)測。但是短期局部的風(fēng)速隨機性較強，確定性的點預(yù)測可能會存在較大誤差，進而容易發(fā)生預(yù)警誤報或不報的情況，也會給決策帶來困難。

針對相關(guān)技術(shù)中存在風(fēng)速點預(yù)測存在較大誤差，從而導(dǎo)致決策困難的問題，目前還沒有提出有效的解決方案。

發(fā)明內(nèi)容

在本實施例中提供了一種短期風(fēng)速區(qū)間預(yù)測方法、系統(tǒng)、計算機設(shè)備和存儲介質(zhì)，以解決相關(guān)技術(shù)中存在風(fēng)速點預(yù)測存在較大誤差，從而導(dǎo)致決策困難的問題。

第一個方面，在本實施例中提供了一種短期風(fēng)速區(qū)間預(yù)測方法，其特征在于，包括：

獲取經(jīng)過預(yù)處理的風(fēng)速信息，對所述風(fēng)速信息進行分解，得到若干風(fēng)速分量；

根據(jù)所述風(fēng)速分量的復(fù)雜度，篩選出其中較復(fù)雜的風(fēng)速分量作為第一風(fēng)速分量，并將余下風(fēng)速分量作為第二風(fēng)速分量；

分別對所述第一風(fēng)速分量和所述第二風(fēng)速分量進行區(qū)間預(yù)測和點預(yù)測，得到相應(yīng)的預(yù)測結(jié)果，并結(jié)合所述預(yù)測結(jié)果，得到風(fēng)速區(qū)間預(yù)測結(jié)果。

在其中的一些實施例中，所述對所述風(fēng)速信息進行分解，得到若干風(fēng)速分量，包括：

基于自適應(yīng)噪聲完備集合經(jīng)驗?zāi)B(tài)分解算法對所述風(fēng)速信息進行模態(tài)分解，得到若干所述風(fēng)速分量。

在其中的一些實施例中，所述根據(jù)所述風(fēng)速分量的復(fù)雜度，篩選出其中較復(fù)雜的風(fēng)速分量作為第一風(fēng)速分量，并將余下風(fēng)速分量作為第二風(fēng)速分量，包括：

通過排序熵算法計算得到所述風(fēng)速分量的復(fù)雜度；

基于預(yù)設(shè)閾值篩選出其中復(fù)雜度大于所述預(yù)設(shè)閾值的風(fēng)速分量作為所述第一風(fēng)速分量，并將復(fù)雜度小于和等于所述預(yù)設(shè)閾值的風(fēng)速分量作為所述第二風(fēng)速分量。

在其中的一些實施例中，所述分別對所述第一風(fēng)速分量和所述第二風(fēng)速分量進行區(qū)間預(yù)測和點預(yù)測，得到相應(yīng)的預(yù)測結(jié)果，并結(jié)合所述預(yù)測結(jié)果，得到風(fēng)速區(qū)間預(yù)測結(jié)果，包括：

基于神經(jīng)網(wǎng)絡(luò)和回歸算法建立風(fēng)速區(qū)間預(yù)測模型，對所述第一風(fēng)速分量進行區(qū)間預(yù)測，得到第一預(yù)測結(jié)果；

基于神經(jīng)網(wǎng)絡(luò)算法建立風(fēng)速點預(yù)測模型，對所述第二風(fēng)速分量進行點預(yù)測，得到第二預(yù)測結(jié)果；

根據(jù)所述第一預(yù)測結(jié)果和所述第二預(yù)測結(jié)果，得到所述風(fēng)速區(qū)間預(yù)測結(jié)果。

在其中的一些實施例中，在所述獲取經(jīng)過預(yù)處理的風(fēng)速信息之前，還包括：

通過各監(jiān)測站點的風(fēng)速風(fēng)向儀采集原始風(fēng)速信息，并進行標(biāo)簽化處理；