金曈宇，叶小岭, 2，熊雄，巩灿灿，姚锦松

高铁沿线大风预测技术研究

金曈宇1，叶小岭1, 2，熊雄1，巩灿灿1，姚锦松1

(1. 南京信息工程大学 自动化学院，江苏 南京 210044；2. 南京信息工程大学 气象灾害预报预警与评估协同创新中心，江苏 南京 210044)

风速预测是风致灾害预警的关键技术。针对高铁大风预测中延迟性和误报的问题，提出一种基于完整集合经验模态分解(CEEMDAN)和长短期记忆神经网络(LSTM)的组合预测模型对高铁沿线风速进行预测。为了减少预测模型的复杂度和提高模型预测精度，原始风速数据用CEEMDAN分解并利用样本熵(SE)理论将分解出的分量按照样本熵近似值重组成趋势、细节、随机三分量后用长短期记忆神经网络建立预测模型。以高铁沿线某段风速气象数据为例，实验结果表明，与其他预测方法相比，本方法可有效降低预测延迟性和提高预测精度，准确追踪风速的波动性和非线性非平稳的变化，性能更加优越。在高速铁路沿线大风预测中能够发挥良好的适用性，减少大风预警的误报或不报等情况的发生。

铁路大风预测；样本熵；完整集合经验模态分解；长短期记忆神经网络

随着高速铁路的快速发展，高铁安全问题也愈加重要。高速列车的速度越快，临界倾覆风速越 小[1]，更容易受强风天气的影响，发生倾覆等风致灾害，造成严重的经济损失和人身伤害。因此建立一套高速铁路沿线大风预警系统是十分有必要的。相较于其他行业，高速铁路对短期乃至超短期的风速预测需求更大，要求更高。……