基于DeepAR的短期风速概率预测

摘要：

为对铁路沿线风速提前进行预判,保障桥梁施工及高速铁路列车运行时的安全,提出基于深度自回归模型(DeepAR)的短期风速预测方法.采用平潭海峡公铁两用大桥和西堠门大桥实测风速进行验证,并以包括小波包分解下的卷积神经网络和循环神经网络混合模型(WPD-CNNLSTM-CNN)在内的4种模型作为点预测对比模型,以SimpleFeed-Forward、ARIMA、Random Walk模型进行置信度为50％与95％的区间预测作为对比模型.研究结果表明:无论是点预测还是区间预测,DeepAR模型都能够在具有随机性、间歇性的短期风速序列中提取到特征信号并进行精度较高的预测,且相比于其他模型具有更好的准确性与泛化能力,可满足实际工程短期风速预测需求.

关键词：铁路桥梁、短期风速、DeepAR模型、点预测、区间预测

所属期刊栏目：45

分类号：U298(铁路运输管理工程)

资助基金：国家自然科学基金;国家自然科学基金;湖南省自然科学基金项目

在线出版日期：2023-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：152-160