基于RBF神经网络的铁路沿线短时风速预测方法

对实测风速数据进行Kalman滤波,去除实测风速数据的偏差;通过归一化处理,消除数据中的冗余成分;针对RBF神经网络的预测误差会随着时间的推移而增大的问题,采用滚动式训练方法在线训练RBF神经网络;用训练好的RBF神经网络进行风速预测,再对预测结果进行反归一化处理,得到最终的预测风速。仿真结果表明,运用基于RBF神经网络的铁路短时风速预测方法对短时风速进行预测,最大相对误差仅为5.92%,可满足铁路防灾安全监控系统中风速预测子系统的要求。

ABC-BP神经网络对AERMOD模型敏感参数的预测及应用

为提高短时风速预测精度,提出人工蜂群算法(ABC,Artificial Bee Colony algorithm)优化BP神经网络的方法对短时风速进行预测.首先验证了ABC算法性能;接着利用ABC算法对BP神经网络的权值和阈值优化并进行风速预测;然后将预测结果与PSO-BP神经网络以及GA-BP神经网络进行比较分析.对比结果表明,本文提出的方法对短时风速序列的预测精度优于其他方法,预测误差率为1.82%;最后分析了短时风速在应急救援系统中的应用可行性并实现了AERMOD模拟气体扩散态势应用.结果表明,本论文提出的方法可以使AERMOD模型为应急救援提供更加准确的决策依据.

我国客运专线高速列车安全运行大风预警系统研究

研究目的:为了确保大风天气条件下高速铁路动车组安全运行,必须建立大风预警系统,制定运行管制规则及对策,从而达到安全、高效行车的目的。研究结论:我国铁路沿线大风类型主要有寒潮大风、短时雷雨大风和台风大风。防风预警系统必须根据大风类型和地形地貌的不同,分别建立不同类型短时风速预测模式,其地形因数k由流体模拟与实际监测结果的比值确定,并绘制大风天气条件下高速列车运行管制曲线图,从而为行车指挥控制系统提供较为合理的行车速度限制信息。运用该研究成果既可降低大风对客运专线高速列车安全行车的影响和危害程度,又可保证最大程度的行车效率。