基于深度学习理论的风力机结冰预警模型

基于深度学习理论,利用风电机组运行数据训练深度神经网络模型,用以表征信号与结冰状态之间复杂的映射关系。试验结果表明该模型实现了多工况、大样本下的结冰特征量提取与结冰状态的识别,具有较高的精度,为风电机组结冰状态的预测提供了新的思路。

沥青路面结冰条件判别标准及SVM预测分析

为了探讨沥青路面结冰与道路气象环境间的相关关系,实现路面结冰状态的准确预报,在分析影响沥青路面结冰的主要气象环境因素的基础上,探讨了不同降水类型与气象环境参数的关联性,建立了沥青路面路表温度预估分析模型。结合Norrman路面结冰打滑判别准则,提出了浙中地区冬季沥青路面结冰状态判别标准。通过支持向量机方法(SVM),以RBF函数作为模型核函数,构建了不同降水类型条件下以地表温度与气温为输入量的沥青路面结冰预测模型。结果表明:不同降水条件下沥青路面结冰时的日均气温、日均测点路表温度、日均风速、日均降水量以及日均相对湿度存在差异,其中,日均气温与日均测点路表温度变化差异较大,日均风速与日均降水量次之,日均相对湿度变化差异较小;通过气象环境监测数据可实现降水类型的间接判别和沥青路面路表温度的预估分析;不同结冰类型对车辆行驶安全的影响从高到低依次为雪降到严寒路面、雨降到严寒路面和雪降到温暖路面;使用SVM构建的路面结冰预测模型对路面结冰状态的预测效果较好,错报率低于6.5%,未出现结冰天气的漏报,同时具有良好的泛化能力,充分展现了SVM在道路气象预报领域的应用前景。