[发明专利]基于LSTM和GMM的风速短时置信区间的预测方法及系统

说明书

本发明公开了一种基于LSTM和GMM的风速短时置信区间预测方法及系统，该方法包括：对至少包含风速和风向的气象参数进行实时监测和采集，得到监测数据序列；抽取监测数据序列中的一部分作为样本，训练得到基于LSTM网络的风速短时预测模型；采用风速短时预测模型，对监测数据序列中的除样本外的其余监测数据进行预测，得到短时预测风速序列；将短时预测风速序列与监测数据序列相减，得到风速预测误差序列；采用GMM方法对风速预测误差序列进行统计分析，得到风速预测误差的条件概率密度函数；将短时预测风速序列作为预测期望，结合预测误差的条件概率密度函数，计算得到给定置信水平的风速短时置信区间。本发明能够用于高速公路和高速铁路的大风预警。

技术领域

本发明涉及大风实时预警和交通安全领域，尤其涉及基于LSTM(Long Short-TermMemory，长短期记忆网络)和GMM(Gaussian Mixture Model，高斯混合模型)的风速短时置信区间的预测方法及系统。

背景技术

近二十年来，高速铁路和高速公路建设发展迅速。随着高速铁路和高速公路网的进一步延伸，高速行驶的车辆面临着各种恶劣风环境的威胁。大风导致的行车安全事故屡见不鲜，例如：新疆30里风区和百里风区、沈海高速如皋段烈士河大桥、福银高速湖北随州段、广州虎门大桥、郑州市黄河公路大桥、浙江金塘大桥等地发生多起强风导致的行车安全事故。

因此，及时发布大风预警信息并警示司机对于降低高速铁路和高速公路风致行车安全事故具有重要意义；但是，目前常用的风速短时预测方法以确定性预测为主，不能考虑预测过程中风的脉动、预测模型误差和传感器测量误差等不确定性。

发明内容

本发明提供了一种基于LSTM和GMM的风速短时置信区间的预测方法及系统，用以解决现有的风速短时预测为确定性预测，未考虑风的脉动、传感器测量误差等不确定因素的技术问题。

为解决上述技术问题，本发明提出的技术方案为：

一种基于LSTM和GMM的风速短时置信区间预测方法，包括以下步骤：

对高速铁路沿线区域的至少包含风速和风向的气象参数进行实时监测和采集，得到监测数据序列；

抽取监测数据序列中的一部分作为样本，训练得到基于LSTM网络的风速短时预测模型；采用风速短时预测模型，对监测数据序列中的除样本外的其余监测数据进行预测，得到短时预测风速序列；

将短时预测风速序列与对应的监测数据序列相减，得到风速预测误差序列；

采用GMM方法对风速预测误差序列进行统计分析，得到风速预测误差的条件概率密度函数；

将短时预测风速序列作为预测期望，结合预测误差的条件概率密度函数，计算得到给定置信水平的风速短时置信区间。

优选地，气象参数还包括温度、湿度、气压中的一种或任意几种的组合；风速预测误差的条件概率密度函数为风速值与风向，以及温度、湿度和气压中的一种或任意几种的组合。

优选地，采用GMM方法对风速预测误差序列进行统计分析，得到风速预测误差的条件概率密度函数，包括：

采用二维GMM方法对风速预测误差序列e和短时预测风速序列y进行统计分析，得到风速预测误差序列e和短时预测风速序列y的联合概率密度函数f(e,y)为：

f(e,y)＝GMM(e,y) (9)

则e与y的边缘分布概率密度函数f_E(e)和f_Y(y)分别为：