论文部分内容阅读
强风对铁路运营安全影响重大,是行车安全需要注意的关键自然因素之一,尤其在山区桥梁处,地形特殊、风场复杂,铁路行车受强风影响更加显著。近年来,我国中西部地区高速铁路建设迅猛发展,桥梁在整个铁路线路的占比进一步加大,开展铁路桥梁桥位处短时风速预测研究,对整条线路行车安全和列车乘坐舒适性方面都有重要意义。目前,风速预测理论众多,预测方法层出不穷,主要分为考虑气候等因素的物理方法和着重短时预测的统计学方法。短时风速预测主要包括线性时间预测模型、非线性智能化模型和混合模型。这些方法大多应用于风电、风功率预测等领域,在轨道交通领域的相关研究较少。本文着眼于铁路沿线山区桥梁桥位处短时风速预测,提出一种基于变分模态分解和核密度估计的混合预测模型,实现高精度的风速确定性预测和风速概率预测,具体研究工作如下:(1)本文选取两种常用的数据分解方法,经验小波分解和离散小波变换方法,与变分模态分解进行对比研究。通过构造包含高、中、低频率的复杂信号,检验了三种方法的分解性能,并运用相关系数与原始序列进行比对,分析了各分解方法在分解层数的选取,模态混叠,虚假成分和分解精度等方面的优势和不足。结果表明:变分模态分解拥有优秀的数据分解能力,对非平稳、非线性复杂信号的分解效果更好。(2)本文选取一组实测山区非平稳风速数据,在变分模态分解的基础上,对分解后的风速子序列运用多元核密度估计和条件核密度估计方法,结合核回归模型实现确定性预测,然后再结合多变量的数字特征和区间估计方法,实现风速概率预测。最终结果:得到较高精度的风速确定性预测值和95%置信水平的风速范围。(3)本文采用平均绝对误差(MAE)、平均相对百分比误差(MRPE)、均方根误差(RMSE)和均方根相对误差(RMSRE)四个常用指标,对比分析了本文所提混合方法与单独KDE和EMD-KDE方法的确定性预测效果。同时,采用预测区间覆盖概率(PICP),预测区间归一化平均宽度(PINAW),覆盖宽度准则(CWC)和清晰度质量(WS)等指标,评估了本文混合方法的概率预测结果。指标结果表明:本文混合模型的确定性预测精度比单独KDE和EMD-KDE模型更高,概率预测结果符合实际情况,具有一定的工程参考价值。