共查询到20条相似文献,搜索用时 15 毫秒
1.
尼比江·艾力;张林鍹;李奕超;景雨啸;高金山;王渊;谢明浩;罗晓龙 《铁道科学与工程学报》2025,(2):543-556
我国西北地区铁路沿线风速较强且存在非平稳性和波动性,导致风速预测精确度不高、模型泛化性差。基于此,提出一种基于AMSD-WTSSA-DELM的组合预测模型。首先,利用高度非平稳的原始风速序列、分量的长期相关表现、分量所包含的潜在模式及趋势和周期性等内在信息,进行每步分解处理,分别建立分解条件以及自适应更新阈值;为避免过度分解加入自适应重构方法,分解至无高复杂度分量为止,从而实现适应性较强的自适应多步分解。其次,提出WTSSA算法,即通过在麻雀搜索算法(SSA)中融入混沌映射、自适应权重和自适应t分布扰动策略,提升SSA全局搜索和局部探索能力,加快收敛速度,并通过测试函数验证WTSSA算法的卓越性。然后针对AMSD输出的各分量,分别建立由WTSSA优化权重和偏置的深度极限学习机(DELM)模型。最后汇总所有分量的预测数据,合成最终的预测输出。实验结果表明:模型在2组实际铁路沿线风速数据预测性能上提升效果明显,以第1组实验数据为例,本文方法与DELM相比,平均绝对误差(Emae)和均方根误差(Ermse)分别降低90.32%和82.25%,决定系数(R2)提升43.00%。综上所述,研究成果有效克服了风速的非线性特征导致的时迟问题,具有高泛化性能,能够预测短期风速变化,从而帮助铁路系统做出更有效的安全决策,为列车安全运行提供有力的技术支撑。 相似文献
2.
针对铁路短期风速预测方法中人工神经网络(ANN)易陷入局部最小值、支持向量机(SVM)核函数选择困难等缺陷,提出采用一种基于自适应混合差分进化相关向量机(SAHDE-RVM)对铁路短期风速进行预测研究。首先,改进自适应差分进化算法,引入模拟退火算法对种群的当前最优个体进行二次寻优,形成自适应混合差分进化算法,然后将自适应混合差分进化算法与相关向量机结合,建立自适应混合差分进化相关向量机模型,最后利用本文模型对国内某两段不同铁路沿线实测风速数据进行预测,预测结果表明,本文模型的预测指标均优于传统差分进化算法(DE)参数寻优的相关向量机模型及最小二乘支持向量机(LS-SVM)模型,具有更加出色的预测性能。 相似文献
3.
路学海;潘迪夫;韩锟;李继松 《铁道科学与工程学报》2016,13(5):978-984
为了提高传统神经网络对非平稳风速的预测精度,提出将改进的量子粒子群算法(QPSO)和小波神经网络(WNN)相结合的滚动预测算法。将小波神经网络的初始连接权值及小波基函数参数组成一个多维向量,作为改进量子粒子群算法的粒子进行计算更新,将搜索得到的解空间范围内全局最优参数作为小波神经网络的初始参数。针对已经训练好的小波神经网络的预测误差会随着时间推移而增大的问题,采用每隔1h滚动式训练的方法训练小波神经网络。运用优化算法对我国海南东环铁路某测风站实测风速进行超前多步预测。实例结果表明,相对于传统小波神经网络,优化算法的风速平均相对误差和均方根误差都有所降低,其超前3min、9min、15min的风速预测平均相对误差为8.28%、9.93%、11.37%。 相似文献
4.
基于周期时变特点的城市轨道交通短期客流预测研究 总被引:5,自引:0,他引:5
分析了城市轨道交通客流的周期时变性特征,并根据该特征在GM(1,1)灰色预测模型的基础上改进了马尔科夫算法,以适用于城市轨道交通短期客流预测。用无偏GM(1,1)模型拟合系统的发展变化趋势,再以此为基础进行了马尔科夫链预测,并采用多转移矩阵排除客流数据中噪声数据的扰动。试验结果表明,改进后的模型在城市轨道交通客流短期预测中具有良好的精确性。 相似文献
5.
为提高城市轨道交通短期客流预测的准确性,构建了一种基于组合误差优化的短期客流预测模型。采用预测误差值对预测值进行优化校正,弱化传统SVM模型在实际预测中误差对预测结果的影响,以提高模型的预测精度。数据选取样本周期内郑州市地铁1号线每小时客流量组成的样本序列并进行了仿真验证。结果显示,经误差优化后的预测模型的预测精度有了明显提高,且优化后的预测值与误差预测值的趋势具有较高的一致性。 相似文献
6.
7.
8.
为提高沪宁城际铁路运营组织效率,通过对沪宁城际铁路短期客运量的时序特征和变化规律的分析,表明短期客运量时间序列是一种具有周期性特征、增长趋势缓慢的非平稳时间序列。在此基础上,建立ARIMA乘积季节模型,并运用该模型对沪宁城际铁路南京站发送量客流进行预测,结果表明ARIMA乘积季节模型具有较好的预测精度,适宜做城际铁路的短期客流预测。 相似文献
9.
轨道交通客流预测对轨道交通日常运营有着重要作用,文章首先根据轨道交通历史数据,对其客流特性进行了分析,着重利用灰色模型对轨道交通短期内的客流量进行建模预测,利用马尔科夫链修正和改进模型预测结果;为了方便客流预测的自动化实现,给出了整个客流预测过程的流程图,并对其预测算法进行了研究。 相似文献
10.
11.
戴公连;陈坤;王芬;葛浩;肖尧;饶惠明 《铁道科学与工程学报》2023,20(9):3425-3436
大跨度桥梁对极值风荷载作用十分敏感,基于桥址处长期实测风速数据得到合理的极值风速至关重要。由于在桥址处进行长期风速监测较难实现,研究极值风速预测方法对于大跨度桥梁抗风研究具有重要意义。以泉州湾高速铁路斜拉桥为工程背景,提出一种基于支持向量机(SVM)和最大熵模型的极值风速预测方法。通过临近风速观测塔与桥面风速仪同步实测短期风速数据建立SVM风速预测模型,预测得到桥面长达3 a的平均风速数据,进而采用最大熵方法计算得到桥梁高度处不同重现期内极值风速,最后采用时域分析方法进行桥梁抖振响应分析,探讨不同风速下桥梁抖振响应的差异。研究结果表明:SVM模型应用于风速预测效果比较理想,测试集预测风速与实测风速均方根误差(RMSE)和平均绝对误差(MAE)分别为0.115和0.252。基于桥面预测平均风速样本,采用最大熵理论计算得到100 a重现期极值风速为21.52 m/s,小于泉州湾高铁斜拉桥抗风设计时采用的极值风速49.4 m/s。SVM模型预测得到的极值风速对应的主梁跨中位置横向、竖向和Rotx扭转抖振位移响应峰值与采用设计风速为49.4 m/s的桥梁抖振响应比较,降幅分别为80.3%,79.6%和78.7%。桥梁抖振响应受平均风速影响较大,选择准确的桥址处极值风速对桥梁抖振响应研究至关重要。研究结果可应用于仅有短期实测风速数据的桥梁得到合理的极值风速,为大跨度桥梁抗风研究提供参考。 相似文献
12.
李涛 《郑州铁路职业技术学院学报》2021,(1):19-24
建立符合郑州地铁客流特点的短期客流预测模型并运用到线网客流预测工作中。短期客流预测模型可预测未来1个月内工作日、周末及节假日的线网客流,为线网日常运营管理及运输组织工作提供有效参考依据。 相似文献
13.
肖图刚;王涵玉;文旭光;洪彧;蒲黔辉 《铁道标准设计通讯》2025,69(5):73-78
风速和风向是影响高速列车运行安全的重要因素,对高铁沿线的大风风速和风向进行有效预测有助于及时地对列车运行状况进行评估和预警。目前高铁大风领域的研究主要集中在风速的预测,尚未考虑风速风向的联合预测。基于深度循环神经网络—长短记忆(LSTM)模型,提出独立预测法、分量预测法和多变量预测法等3种风速与风向联合预测方法,并利用兰新高铁大风监测实测数据对沿线多个基站的短期风速和风向进行同步联合预测。首先,通过归一化预处理原始风向和风速序列,并运用控制变量法确定最优时间步长和模型参数。其次,采用BPTT(Backpropagation Through Time)和Adam算法进行迭代训练,并结合早停法控制收敛,得到优化后的网络结构。最后,利用训练好的LSTM网络,采用3种方法对风速和风向进行联合预测。4个基站的实验结果表明,优化后的LSTM模型可以有效提取风速风向时间序列的长期依赖特征,结合联合预测方法能够实现对风速和风向的高精度同步预测;3种联合预测方法都能在较小范围内准确预测风速和风向,除5520基站外,风速预测误差在15%以内,风向预测误差在20%以内,其中多变量预测法表现出最优的整体预测精度,独立预测法次之。本研究为风速风向的联合预测提供了新的视角,对保障高铁列车运行的安全性具有参考价值。 相似文献
14.
15.
16.
为实现铁路沿线风速的高精度预报,建立若干基于混合方法的预测模型并进行性能比较.采用小波分解(WD)和经验模态分解(EMD)将原始风速序列平稳化,采用神经网络方法(BP,ANFIS和NAR)进行预测,形成6种混合模型:WD-BP,WD-ANFIS,WD-NAR,EMD-BP,EMD-ANFIS和EMD-NAR.引入基于单... 相似文献
17.
青藏铁路格拉段沿线风速短时预测方法 总被引:2,自引:0,他引:2
青藏铁路大风监测预警系统采用时间序列法实现沿线风速的短时预测.利用时间序列法对经过1min平均化处理后的非平稳实测风速序列建立ARIMA(11,1,0)模型,进行超前3步预测计算,获取第3 min平均预测风速,预测平均绝对误差为2.237 2 m·s-1.针对时间序列法第3 min平均预测风速精度低的问题,采用提出的滚动式时间序列法修正时间序列法预测计算步骤,重新获取第3 min平均预测风速,预测平均绝对误差减小为1.1670 m·s-1.使用最小二乘法拟合样本每分钟内最大实测风速和该分钟平均风速的相关系数K,通过K为1.142 8修正滚动式时间序列法第3 min平均预测风速,获取滚动时间序列法第3 min最大预测风速,预测平均绝对误差为2.090 4 m·s-1.滚动式时间序列法第3 min平均风速、最大风速的两者预测均满足精度要求.滚动式时间序列法已经在系统中使用. 相似文献
18.
提出一种基于加速失效模型的无故障运行时间预测方法以改善AFC终端设备的维护管理水平.分析人、环境及设备自身状况特征因素对设备故障的影响,在生存分析的理论基础上研究构建基于风险的无故障运行时间预测模型.采用南京地铁油坊桥车站一年的AFC设备故障数据,以机械类故障为例进行估计和验证.根据赤池信息量准则,选择Weibull分... 相似文献
19.
坡体变形是表征边坡稳定性最直观的指标。如何科学合理地解译其演化特征,对滑坡灾害预警防范具有重大的工程意义及科学价值。由于滑坡灾害的影响因素中,很多不确定因素都不可能完全准确地定量分析,只能从定性层面建立影响因素与坡体变形的关系,为了解决滑坡确定性预测方法中未考虑预测与数据误差的问题,量化滑坡点预测结果中的不确定因素的影响,依托滑坡坡表变形点预测方法,提出基于残差Bootstrap与GA-Elman神经网络的区间预测方法。相比于传统方法,通过变形伪数据集的建立、GA-Elman模型的迭代训练与总方差估计、ELM网络残差训练与随机误差方差估计等步骤创建的区间预测方法在预测可靠性、区间宽度、针对特殊变化坡体的预测灵活度等方面都有显著提升。利用Bootstrap重抽样模型、GA-Elman神经网络预测算法以及区间预测理论方法,建立基于Bootstrap和GA-Elman的滑坡变形区间预测模型。研究导致滑坡变形的不同影响因素、预测模型参数及置信区间等对于区间预测模型效果的影响,并运用到现场滑坡中。分析结果表明,所提出的方法可适用于现场滑坡,更好地将滑坡降雨等影响因素与坡体表观变形建立联系,为滑坡灾害的提前预警与防治提供可靠准确的信息支撑。 相似文献
20.
赵晓丽 《现代城市轨道交通》2023,(8):77-82
城市轨道交通站点的客流监控与短期精准预测对实现高效列车调度、防范安全隐患、降低运营成本具有关键作用。文章通过优化ARIMA模型参数对不同时间粒度下天津地铁某站点周一到周五的AFC客流数据进行预测,预测结果表明ARIMA方法能够准确预测城市轨道交通站点的短期客流。减小客流数据时间粒度能够获得更多的客流数据细节信息,有利于提升预测的精准度。研究发现即便在客流数据能够通过平稳性检验的情况下,对客流数据进行差分处理依然能够明显提升ARIMA模型的预测精度。 相似文献