Un método mejorado de predicción de velocidad del viento asistido por estrategia de conjunto para advertencias de viento fuerte en ferrocarriles
Autores: Liu, Jian; Cui, Xiaolei; Cheng, Cheng; Jiang, Yan
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Un método mejorado de predicción de velocidad del viento asistido por estrategia de conjunto para advertencias de viento fuerte en ferrocarriles
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Astronomía
Palabras clave
Predicción de la velocidad del viento
Métodos basados en descomposición
Descomposición en tiempo real
Estrategia de conjunto
Predicción en línea de alta precisión
Aplicaciones ferroviarias
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 6
Citaciones: Sin citaciones
La predicción confiable de la velocidad del viento a corto plazo es una de las tecnologías fundamentales en el sistema de advertencia de vientos fuertes para aplicaciones ferroviarias, lo cual es de gran importancia para garantizar la seguridad de las operaciones de trenes de alta velocidad y de las instalaciones ferroviarias auxiliares. Para mejorar la precisión de las predicciones, los métodos basados en descomposición han atraído una atención extensa debido a su superior capacidad para abordar características complejas de los datos (por ejemplo, no estacionariedad y no linealidad). Actualmente, existen dos esquemas de preprocesamiento para métodos basados en descomposición, es decir, descomposición única y descomposición en tiempo real. Con el fin de aplicarlos mejor, este documento primero expone la diferencia entre ellos, basado en una combinación de DWT (transformada discreta de wavelet) y CKDE (estimación de densidad de kernel condicional). Los resultados muestran que, aunque el método basado en descomposición única tiene una precisión inobjetable, solo puede proporcionar predicciones fuera de línea y, por lo tanto, puede no ser práctico. El método basado en descomposición en tiempo real posee una mayor practicidad y es capaz de proporcionar predicciones en línea, pero tiene una precisión limitada. Luego, se desarrolla una estrategia de conjunto mejorada optimizando la selección de componentes descompuestos apropiados para realizar la predicción sobre la base de la descomposición en tiempo real. Esta estrategia de conjunto mejorada proporciona una guía efectiva para esta combinación selectiva, incluyendo la consideración de información histórica en los datos. Finalmente, ejemplos numéricos y un análisis de practicidad utilizando dos grupos de datos de velocidad del viento medidos demuestran que el método propuesto es efectivo para proporcionar predicciones de velocidad del viento en línea de alta precisión. Por ejemplo, en comparación con CKDE, los grados promedio de mejora logrados por el método propuesto en términos de MAE, RMSE y MRPE son 16.25%, 17.66% y 16.93, respectivamente, mientras que en comparación con el método tradicional de descomposición en tiempo real son 17.11%, 18.54% y 16.84, respectivamente.
Descripción
La predicción confiable de la velocidad del viento a corto plazo es una de las tecnologías fundamentales en el sistema de advertencia de vientos fuertes para aplicaciones ferroviarias, lo cual es de gran importancia para garantizar la seguridad de las operaciones de trenes de alta velocidad y de las instalaciones ferroviarias auxiliares. Para mejorar la precisión de las predicciones, los métodos basados en descomposición han atraído una atención extensa debido a su superior capacidad para abordar características complejas de los datos (por ejemplo, no estacionariedad y no linealidad). Actualmente, existen dos esquemas de preprocesamiento para métodos basados en descomposición, es decir, descomposición única y descomposición en tiempo real. Con el fin de aplicarlos mejor, este documento primero expone la diferencia entre ellos, basado en una combinación de DWT (transformada discreta de wavelet) y CKDE (estimación de densidad de kernel condicional). Los resultados muestran que, aunque el método basado en descomposición única tiene una precisión inobjetable, solo puede proporcionar predicciones fuera de línea y, por lo tanto, puede no ser práctico. El método basado en descomposición en tiempo real posee una mayor practicidad y es capaz de proporcionar predicciones en línea, pero tiene una precisión limitada. Luego, se desarrolla una estrategia de conjunto mejorada optimizando la selección de componentes descompuestos apropiados para realizar la predicción sobre la base de la descomposición en tiempo real. Esta estrategia de conjunto mejorada proporciona una guía efectiva para esta combinación selectiva, incluyendo la consideración de información histórica en los datos. Finalmente, ejemplos numéricos y un análisis de practicidad utilizando dos grupos de datos de velocidad del viento medidos demuestran que el método propuesto es efectivo para proporcionar predicciones de velocidad del viento en línea de alta precisión. Por ejemplo, en comparación con CKDE, los grados promedio de mejora logrados por el método propuesto en términos de MAE, RMSE y MRPE son 16.25%, 17.66% y 16.93, respectivamente, mientras que en comparación con el método tradicional de descomposición en tiempo real son 17.11%, 18.54% y 16.84, respectivamente.