[发明专利]铁路沿线风速预测的方法

权利要求书

1.一种铁路沿线风速预测的方法，用于铁路沿线风速的短期预测，其特征在于所述方法包括如下步骤：

(1)选择小波分析法的分解与重构算法对拟预测风速序列进行多层分解与重构计算，实现将原始非平稳风速序列分解为多层平稳的风速序列；

(2)利用改进时间序列分析法对分解重构后的各层风速序列分别建立相应的时序预测模型；

(3)利用各层所建的对应预测模型对分解层风速序列进行超前多步预测计算，然后对各层风速预测值加权计算，获取原始风速序列的相关预测值。

2.根据权利要求1所述的铁路沿线风速预测的方法，其特征在于所述步骤(2)之后还包括如下步骤：

通过改进时间序列分析和卡尔曼滤波法混合建立预测精度模型，进一步提高改进时间序列法获得的超前一步预测精度。

3.根据权利要求1所述的铁路沿线风速预测的方法，其特征在于所述原始风速序列是在铁路沿线上设置测风站，获得该测风站在某一短时间内的风速与时间关系序列。

4.根据权利要求1所述的铁路沿线风速预测的方法，其特征在于所述步骤(1)包括将原始风速序列v(t)(t＝1，2，3，…)经小波分析法Mallat塔式算法进行风速信号分解与重构，分别获得高频风速序列vⁿ(t)(n＝1，2，3，…)和低频风速序列ω(t)。

5.根据权利要求4所述的铁路沿线风速预测的方法，其特征在于所述步骤(2)包括：

对高频风速序列vⁿ(t)(n＝1，2，3，…)、低频风速序列ω(t)运用改进时间序列法建立时序预测模型，计算出各分解层的超前k步高频风速序列预测值 低频风速序列预测值 

6.根据权利要求2所述的铁路沿线风速预测的方法，其特征在于所述预测精度模型的建立包括：

将原始风速序列v(t)(t＝1，2，3，…)经小波分析法Mallat塔式算法进行风速信号分解与重构，分别获得高频风速序列vⁿ(t)(n＝1，2，3，…)和低频风速序列ω(t)；

对高频风速序列vⁿ(t)(n＝1，2，3，…)、低频风速序列ω(t)运用卡尔曼时间序列法建立预测精度模型，计算出各分解层的超前1步高频风速序列预测值 低频风速序列预测值 

对各分解层的超前k步高频风速序列预测值 低频风速序列预测值 进行加权计算，输出最终风速预测值 

7.根据权利要求1所述的铁路沿线风速预测的方法，其特征在于所述步骤(1)包括：选用具有时频紧支撑和高正则性的Daubechies 6小波对原始风速序列v(t)进行信号分解，分解深度n为3-6；选用Mallat塔式算法对分解后的风速序列在不同尺度上进行信号重构。

8.根据权利要求7所述的铁路沿线风速预测的方法，其特征在于所述步骤(2)包括：

以原始风速序列v(t)进行信号分解后的某一层低频或高频分量序列为建模样本序列，取该层序列前多个数据完成滚动式时间序列法建模，并求出相对于采样点超前三步的预测风速值。