高铁沿线大风预测技术研究

摘要：

风速预测是风致灾害预警的关键技术.针对高铁大风预测中延迟性和误报的问题,提出一种基于完整集合经验模态分解(CEEMDAN)和长短期记忆神经网络(LSTM)的组合预测模型对高铁沿线风速进行预测.为了减少预测模型的复杂度和提高模型预测精度,原始风速数据用CEEMDAN分解并利用样本熵(SE)理论将分解出的分量按照样本熵近似值重组成趋势、细节、随机三分量后用长短期记忆神经网络建立预测模型.以高铁沿线某段风速气象数据为例,实验结果表明,与其他预测方法相比,本方法可有效降低预测延迟性和提高预测精度,准确追踪风速的波动性和非线性非平稳的变化,性能更加优越.在高速铁路沿线大风预测中能够发挥良好的适用性,减少大风预警的误报或不报等情况的发生.

关键词：铁路大风预测、样本熵、完整集合经验模态分解、长短期记忆神经网络

所属期刊栏目：18

分类号：P425.6+2(气象基本要素、大气现象)

资助基金：高铁气象图谱与列车运行气象辅助技术研究;高铁气象定制化监测分析技术与行车安全辅助保障系统研究;江苏省高校自然科学研究面上项目

在线出版日期：2021-04-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：615-622