李 隆，王 瑞，张惟皎

（1. 中国铁道科学研究院 研究生部，北京 100081；2. 中国铁道科学研究院集团有限公司 电子计算技术研究所，北京 100081）

目前，我国已在高速铁路沿线全面布设了风速风向传感器，为高铁列车运行提供实时风速风向监测报警数据。高铁防灾系统具备了大风实时监测报警功能[1]，但尚不具备预警功能，灾害预警能力不足。如果系统能够通过当前时刻的风速数据，预测未来一段时间的风速值，进而对大风做出预警，就能让调度和工务人员提前做好应急处置准备，更好地保障高铁运营安全。

近年来，关于铁路大风预警的研究主要以铁路监测的大风数据为基础，采用时间序列等方法开展风速预测，相关学者已经做了大量工作。其中，刘辉等人开展了基于时间序列的非平稳ARIMA 预测模型、卡尔曼滤波、小波分析与神经网络结合等铁路风速预测方法[2-3]；王瑞等人[4-5]研究了基于RBF 神经网络的铁路沿线短时风速预测方法。铁路大风预警的方法还包括气象学模式、遥感预测模式、专家系统预测模式、时间序列解析预测模式、神经网络预测模式、时间序列与神经网络结合、气象模式与神经网络结合等[6-12]。以上研究中，基于ARIMA 和卡尔曼滤波的模型较简单，但预测结果精度一般；小波模型需要预先选择小波种类，且对非平稳数据的处理效果一般；RBF 神经网络秒级预测相对误差较小，分钟级以上的预测效果一般。

本文通过建立长短周期记忆（LSTM，Long Short Term Memory）[13]神经网络模型……