CN101923605B - 铁路防灾风预警方法 - Google Patents

Abstract

本发明提供了一种铁路防灾风预警方法，该方法基于铁路防灾系统中风数据采集分系统的风历史数据，通过对风历史数据所组成样本点的分析，辨识该点风预警概率数学模型，并通过这一模型以及当前风速计算下一个阶段风速分布的情况。用于实现对根据当前风的情况下，预测下一个阶段强风出现的概率，以置信区间的方式对下一个时间区间内的风速给出早期预警。

Description

铁路防灾风预警方法

技术领域

本发明涉及铁路防灾的报警技术领域，尤其涉及一种铁路防灾风预警方法。

背景技术

随着国内铁路技术的发展，特别是近年来高速铁路的发展，对铁路安全以及由地质、天气与人为因素造成的灾害性后果的报警要求越来越高。强风报警已成为中国铁路防灾系统的一个组成部分，由于气象因素的风因素与该地的地型、气候、地面因素等有着密切的关系，同时风速作为一个随机信号，其发生有很大的不确定性，很难做出准确的预警。

当前情况下，铁路防灾系统带有完整风采集系统，因此在工作一段时间内，防灾系统风数据采集分系统有足够的风历史数据，可以通过对风历史数据所组成样本点的分析，辨识该点风预警概率数学模型，并通过这一模型以及当前风速计算下一个阶段风速分布的情况。

发明内容

为解决上述技术问题，本发明提供了一种铁路防灾风预警算法及实现。

由于风作为一种随机信号，其变化值符合正态分布，归一化后正态分布曲线如下所示：

$F\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}}}\underset{0}{\overset{x}{\∫}}{e}^{-\frac{(u-\mathrm{\μ})2}{2{\mathrm{\σ}}^2}}\mathrm{du}$

正态分布的分布密度函数为：

$f\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π\σ}}}{e}^{-\frac{{(x-\mathrm{\μ})}^2}{2{\mathrm{\σ}}^2}}$

其中，数学期望μ、方差σ需要通过样本点数据进行辨识。

由于样本点为非连续性数据点，为了适应正态分布随机过程，需要对样本点进行离散化处理，离散数学期望EX与方差σ(X)可以表示如下：

$\mathrm{EX}=\frac{1}{N}\underset{0}{\overset{N}{\mathrm{\Σ}}}X---\left(1\right)$

$\mathrm{\σ}\left(X\right)=\frac{1}{N}{(X-\mathrm{EX})}^2---\left(2\right)$

其中，N为样本点的数量，X为样本点的风速样本值。

对于每一个样本点的风速进行归一化，如对于风速为V的一个风速样本，下一次出现的风速值为XV，这样得到风速变值为一个比例因数。

本发明所提供的铁路防灾风预警方法，包括以下步骤：

步骤一：选取数学模型，采集样本点的辨识条件为：

基本样本点为选定时间长度内的平均风速，其后相同时间长度内发生的最大的瞬时风速；

步骤二：处理样本点；

在每一个风采样点所积累的样本点中，将所述选定时间长度内的平均风速进行整数化，并将所有平均风速分成有限多个，分别对该有限多个平均风速值发生后相同时间长度内的最大瞬时风速读出，组成子样本组；

步骤三：数学模型参数计算：

对子样本组的风速值带入式1与式2进行计算，得到每一个子样本点的数学期望与方差，这样就得到了每一个子样本点的瞬时风速预测概率函数。

步骤四：建立数学分布表；

对于每一个子预测模型，计算出大于每一个整数级别风速发生的概率，并将这个概率分布数据制作成数据表；

步骤五：根据数学模型进行预测；

当读取到一个新的在选定时间长度内的平均风速时，首先对其进行整数化，同时按铁路报警级别，分别查表得到大于某报警级别风速发生的概率大小；

步骤六：基于置信区间估计瞬时风预警上限计算；

取置信上限为0.95，计算置信区间的置信上限，当通过步骤五得到报警风速没有处于置信区间时，则不给出预警状态，当报警风速处于置信区间时，则给出预警状态。

同时，采用置信区间方法，得到最大置信区间风速值，为预警系统提供参考。

采用基于随机变量正态分布的估计方法，并采用基于单个测风点的样品数据，对风变化数据进行归一化处理，并进行置信区间估计，能够完成对风速的预警。

具体实施方式

铁路防灾风预警方法，包括以下步骤：

步骤一：选取数学模型；

风样本点选取符合以下辨识条件：

辨识条件1：基本样本点为两分钟平均风速，后两分钟之内发生的最大的瞬时风速；

辨识条件2：基本样本点为十分钟平均风速，后十分钟之内发生的最大的瞬时风速；

步骤二：处理样本点；

在防灾系统工作一段时间后，例如一年，每一个风采样点会积累相当多数量的样本点。在这些样本点之中，将两分钟平均风速进行整数化，即采用四舍五入的方法去掉其小数部分，使两分钟平均风速为一整数，同时将所有平均风速分成有限多个，如20个数值，分别对有限多个平均风速值发生后两分钟之内的最大瞬时风速读出，组成子样本组；

十分钟预测样本点同样也按上述方法建立；

步骤三：计算数学模型参数；

对子样本组的风速值分别带入式1与式2进行计算，得到每一个子样本点的数学期望与方差，进而得到每一个子样本点的瞬时风速预测概率函数。

步骤四：建立数学分布表；

对于每一个子预测模型，计算出大于每一个整数级别风速发生的概率，并将这个概率分布数据制作成数据表；

步骤五：根据数学模型进行预测；

由于对灾风预测要求计算出发生大于某一数值的瞬时风速这一事件的概率是多少，因此当读取到一个新的两分钟平均风速或十分钟平均风速时，首先对其进行整数化，同时按铁路报警级别，分别查表得到大于某报警级别风速发生的概率大小。

步骤六：基于置信区间估计瞬时风预警上限计算

取置信上限为0.95，计算置信区间的置信上限，当通过步骤五得到报警风速没有处于置信区间时，则不给出预警状态，当报警风速处于置信区间时，则给出预警状态。同时，采用置信区间方法，得到最大置信区间风速值，为预警系统提供参考。

在防灾系统中，将正态分布表存于调度终端任务计算机中，同时将每一个风采样点的数学模型中的数学期望与方差以及数学模型的风速区间存入数据库服务器的预警数学模型表中，通过调度终端对各级别预警风速进行查表，得到下一个阶段(二分钟或十分钟)最大瞬时风速的上限值，计算该值处于哪一个级别报警状态，对预警级别进行显示，提示调度人员，以便做出相应的操作。

Claims (3)

1.铁路防灾风预警方法，其特征在于，包括以下步骤：

步骤一：选取数学模型，采集样本点的辨识条件为：

基本样本点为选定时间长度内的平均风速，其后相同时间长度内发生的最大的瞬时风速；

步骤二：处理样本点；

在每一个风采样点所积累的样本点中，将所述的选定时间长度内的平均风速进行整数化，并将所有平均风速分成有限多个，分别对该有限多个平均风速值发生后相同时间长度内的最大瞬时风速读出，组成子样本组；

步骤三：计算数学模型参数；

将子样本组的风速值带入式1与式2进行计算，得到每一个子样本点的数学期望与方差，进而得到每一个子样本点的瞬时风速预测概率函数；

$\mathrm{EX}=\frac{1}{N}\underset{0}{\overset{N}{\mathrm{\Σ}}}X---\left(1\right)$

$\mathrm{\σ}\left(X\right)=\frac{1}{N}{(X-\mathrm{EX})}^2---\left(2\right)$

其中，N为样本点的数量，X为样本点的风速样本值；

步骤四：建立数学分布表；

对于每一个子预测模型，计算出大于每一个整数级别风速发生的概率，并将该概率分布数据制作成数据表；

步骤五：根据数学模型进行预测；

当读取到一个新的在选定时间长度内的平均风速时，首先对其进行整数化，同时按铁路报警级别，分别查表得到大于某报警级别风速发生的概率大小；

步骤六：基于置信区间估计瞬时风预警上限计算；

取置信上限为0.95，计算置信区间的置信上限，当通过步骤五得到报警风速没有处于置信区间时，不给出预警状态，当报警风速处于置信区间时，则给出预警状态。

2.如权利要求1所述的方法，其特征在于，所述步骤一中的选定时间长度为2～10分钟。

3.如权利要求1所述的方法，其特征在于，所述步骤二中采用四舍五入的方法进行整数化。