基于列车运行安全的青藏铁路大风预测优化模型与算法.pdfVIP

第 32卷 第 6期 武汉理工大学学报(骛霾差) Vo1．32 N0．6 2OO8年 12月 JournalofWuhanUniversityofTechn0logy Dec．2OO8 (Transp0rtati0nScience＆Engineering) 基于列车运行安全的青藏铁路 大风预测优化模型与算法* 刘 辉 潘迪夫 李燕飞 (中南大学轨道交通安全教育部重点实验室 长沙 410O75) 摘要：为减轻青藏铁路恶劣大风天气对列车行车安全的影响、对沿线风速进行准确地预测预报，运 用时间序列法对格尔木一拉萨段16号测风站实测风速建立时序预测模型，并进行多步预测仿真计 算．为提高时序预测模型精度，通过改进时间序列法建模流程，引进卡尔曼滤波智能算法，提出了2 种适合于不同预测步长和精度的优化算法．预测实例表明：优化算法将时序模型的超前1步预测平 均相对误差从4．89 降低为2．51％，超前5步预测平均相对误差从9．77 降低为5．62 ，并明显改 善了时序模型的预测延时现象． 关键词 ：时间序列；卡尔曼滤波 ；风速预测 ；优化模型；青藏铁路 中图法分类号 ：U298．1；U283．4 青藏线格拉段是典型的高海拔、大风速线路． 相关系数 和偏相关系数 识别模型．参考长 自 沿线风力突变的极端天气频繁发生 ，严重威胁青 回归 白噪声建模法，尽量使用高阶AR(户)取代 藏铁路沿线的行车安全[1]．因此对铁路沿线实测 ARMA(，g)模型拟合风速序列．选择PFE准则 风速展开预测研究十分必要．工程中实现信号预 函数实现模型定阶．选择矩估计法实现模型参数 测的算法很多[4]，但是本文拟预测的风速序列不 估计． 同于其他较平稳序列，如客流量[7]、货运量[8等序 取 16号测风站连续实测数据 (采样周期 1 列．风速序列不但数据突变非常剧烈 ，而且影响风 min)作为样本序列 ( }，如图1所示．取序列 { ) 速大小的因素非常复杂，难 以通过直接列出风速 前2O0个数据 ，建立时序模型，后5O个实测数据用 和影响因素之间的函数方程开展预测研究． 于验证模型的准确性．经非参数游轮检验法判断 考虑到格拉段沿线测风站已经记录下大量的 可知序列 { }经过一阶差分计算后，才呈现平稳， 历史风速数据 ，同时时间序列法建模不涉及信号 记为序列 {X )． 产生背景 ，只要通过足够的样本序列 即可建立相 当精度的预测模型．本文选其作为基本算法开展 建模预测研究，对格拉段 16号测风站实测历史风 速建立时序预测模型．针对所建模型超前多步预 测精度不高、存在延时等经典现象，提出了2种预 风速信号采样点 测模型优化方法． 图1 { )序列曲线 时间序列法实现风速预测 计算 { }序列 自相关系数 、偏相关系数 ． 计算结果显示 、 序列呈现无限拖尾状态． 选择波克斯一詹金斯建模法，根据风速序列 自 由此可判断出{ }序列符合ARMA或高阶AR 收稿 日期 ：2OO8—06—23 刘 辉 ：男，25岁，博士生，主要研究领域为系统辨识与信号处理、列车安全保障技术 ’国家科技支撑计划项 目资助(批准号：z0o6038O52O0)；铁道部科技研究开发计划项 目资