[发明专利]一种多模型多特征融合的高速铁路沿线风速预测方法

摘要

本发明公开了一种多模型多特征融合的高速铁路沿线风速预测方法，该方法包括以下步骤1.在该测风站位置周围安装5个辅助测风站；2.将原始风速数据用交互多模型卡尔曼滤波法进行处理；步骤3利用滤波后的数据进行小波处理，并对小波处理后的低频数据构建预测子模型；步骤4将空间‑目标测风站超前多步预测模型、自我‑目标测风站超前多步预测模型以及气象‑目标测风站超前多步预测模型获得的目标测风站超前多步预测值和天气预报目标测风站风速预测值输入贝叶斯组合模型，获取最终的目标测风站预测值；本发明能不仅能避免单一测风站硬件故障造成的数据中断，而且能给恶劣风环境下的高速铁路安全行车提供更长的应急处理时间。

主权项

一种多模型多特征融合的高速铁路沿线风速预测方法，其特征在于，包括以下步骤：步骤1：在目标测风站位置周围至少安装N个辅助测风站，利用辅助测风站实时采集辅助测风站的风速数据，获得目标测风站和辅助测风站的风速样本集合；其中，N为大于或等于5的整数；步骤2：对辅助测风站数据和目标测风站数据依次进行滤波和1层深度小波分解，提取低频数据部分；步骤3：利用步骤2获得的辅助测风站和目标测风站的低频数据部分构建空间‑目标测风站超前多步预测模型，同时，利用目标测风站的低频数据部分构建自我‑目标测风站超前多步预测模型；步骤4：利用目标测风站的低频数据部分和目标测风站所处位置的气压、湿度和温度数据构建气象‑目标测风站超前多步预测模型；步骤5：利用数值天气预报信息获取目标测风站风速预测值；步骤6：将空间‑目标测风站超前多步预测模型、自我‑目标测风站超前多步预测模型以及气象‑目标测风站超前多步预测模型获得的目标测风站超前多步预测值和步骤5获得的目标测风站风速预测值输入贝叶斯组合模型，获取最终的目标测风站预测值；所述超前多步预测是指利用当前时刻T的风速数据输入对应预测模型获得下一时刻T+1的风速预测，然后，利用下一时刻T+1的风速预测值再次输入对应预测模型，获得T+2时刻的风速预测值，往复迭代获得超前多步预测值。