论文部分内容阅读
大风是影响铁路运输安全的主要气象灾害之一。强风导致的铁路灾难在世界各国时有发生。深入开展铁路区域大风演变规律和实时预测研究,是铁路运营部门在大风环境下防范事故、进行科学决策和安全行车指挥调度的迫切需求。目前世界上海拔最高的青藏铁路沿线极端大风天气频繁发生。历史最大风速达到40m/s,局部路段风速已远远超过列车倾覆临界风速。强风对沿线列车运行构成严重威胁。因此,开展青藏铁路大风预测研究具有十分重要工程应用价值和社会经济意义。青藏铁路沿线大风由于受高原特殊气流和地形地貌等诸多因素影响,具有频繁多变的不确定性特征。其风速演变是典型非平稳随机过程。本文针对铁路局部区域风速变化(世界气象组织定义为“地区性微观现象”)进行数值预报的难题,在总结国内外研究成果的基础上,提出了非平稳时间序列法,以及基于时间序列分析理论与卡尔曼自适应滤波理论混合建模实现短时风速预测的优化方法体系。方法体系包括:卡尔曼-时间序列法(Kalman-Time Series Method,简称KTSM)和滚动式时间序列法(Rolling Time Series Method,简称RTSM)。对测风站实测数据应用检验表明,相对于传统时间序列法,KTSM对改善风速预测时延,提高一步预测精度效果显著;RTSM可实现风速超前多步高精度预测。两者体现了改进算法的良好性能。基于算法成果,利用Visual Basic.Net2005、SQL Server2005、Matlab2007多软件平台,通过ADO.Net与ActiveX技术,开发了青藏铁路大风数据辅助建模系统与建模预测工具箱。论文最后对KTSM、RTSM推广应用于风电场风速、机械故障振动以及铁路货运量等一类非平稳随机过程建模预测问题进行了研究,实例应用验证了该算法的稳定性和有效性,在不明显增加计算量的前提下显著提高了预测精度。