分享自:

基于概率模型的供电距离范围内结冰期持续时间预测方法研究

期刊:AIP Conference ProceedingsDOI:10.1063/5.0132821

类型a:这篇文档报告了一项原创研究,因此属于类型a。


作者与机构及发表信息
本研究由A. N. Smerdin、A. V. Tarasenko、I. E. Chertkov和A. S. Golubkov完成,他们均来自俄罗斯的鄂木斯克国立运输大学(Omsk State Transport University)。该研究于2023年12月26日发表在《AIP Conference Proceedings》期刊上,文章标题为“Development of Probabilistic Model for Forecasting the Duration of the Ice-Potential Period in the Boundaries of the Power Supply Distance”。


学术背景
本研究的主要科学领域是铁路供电系统的可靠性优化,特别是针对接触网系统中冰冻现象的预测与处理。冰冻现象对铁路电力供应设备的安全运行具有重要影响,尤其是在寒冷季节,空气中的水分(如雾、霜、雨或湿雪)会在接触网导线上形成冰层,进而干扰电流收集装置的正常工作。这种问题可能导致列车供电中断甚至设备损坏,因此对冰冻现象的检测和清除成为铁路运营中的关键任务。

已有研究表明,影响接触网导线结冰的因素包括环境温度、空气中水含量、大气水气溶胶的速度和大小、风向、导线直径等。然而,由于气象观测数据的不足以及铁路沿线气候条件的复杂性,准确预测冰冻期的持续时间仍是一个挑战。本研究旨在开发一种基于概率模型的方法,用于预测接触网系统中冰冻危险期的持续时间,并为铁路部门提供决策支持。


研究流程
本研究的工作流程主要包括以下几个步骤:

  1. 确定研究目标与输入变量
    研究首先明确了预测冰冻危险期持续时间的目标,并选择了与冰冻形成相关的气象参数作为输入变量。这些参数包括最低气温(t_min)、最高气温(t_max)、平均气温(t_mean)、平均气压(p_mean)、最小相对湿度(u_min)、最大相对湿度(u_max)、平均相对湿度(u_mean)、最大风速(ff_max)、平均风速(ff_mean)以及降水量(rrr_sum)。

  2. 数据来源与预处理
    研究使用了俄罗斯联邦水文气象和环境监测局(Roshydromet)提供的多年气象观测数据。这些数据涵盖了多个气象站的记录,但由于部分铁路段缺乏完整的气象站设备,研究团队还采用了气象传感器的数据作为补充。

  3. 构建分类器模型
    针对气象观测数据不足的情况,研究提出了一种基于“决策树”(Decision Tree)的分类器模型。该模型利用Gini指数优化递归二元数据分割算法生成决策树。决策树的结构包括分支(记录特征变量)、叶节点(记录目标函数值)和其他节点(区分不同情况)。

  4. 模型验证与优化
    为了验证模型的准确性,研究团队以摩尔曼斯克市(Murmansk)2013年至2020年的气象数据为基础进行了测试。通过对比模型预测结果与实际观测数据,研究人员评估了模型的误差范围,并提出了进一步优化的可能性。

  5. 数据分析与结果输出
    模型的输入数据为上述选定的气象参数,输出结果为冰冻危险期的持续时间(即可能形成冰层的天数)。研究团队还通过公式(2)详细描述了模型的计算逻辑。


主要结果
1. 模型预测精度
在摩尔曼斯克市的测试中,模型预测的冰冻危险期持续时间与实际观测数据之间的误差不超过8.6%。这表明模型具有较高的预测精度,能够满足实际应用需求。

  1. 气象参数的重要性
    研究发现,平均气温(t_mean)、相对湿度(u_mean)和降水量(rrr_sum)是影响冰冻形成的关键因素。此外,风速和气压的变化也对冰冻现象有一定影响。

  2. 模型的适用性
    尽管部分铁路段缺乏完整的气象站设备,但研究证明,即使仅依靠有限的气象传感器数据,模型仍能有效预测冰冻危险期的持续时间。这为铁路部门优化设备配置提供了重要参考。

  3. 模型的可扩展性
    研究指出,随着更多气象观测数据的积累,模型可以通过增加输入参数进一步提高预测精度。例如,未来可以引入更详细的风向数据或地形信息以改进模型性能。


结论与意义
本研究成功开发并验证了一种基于概率模型的冰冻危险期预测方法,其主要贡献如下:

  1. 科学价值
    该研究填补了铁路供电系统中冰冻现象预测的技术空白,为相关领域的研究提供了新思路。

  2. 应用价值
    模型的预测结果可用于指导铁路部门合理配置除冰设备(如振动受电弓、气动鼓和机械除冰装置),从而提高铁路供电系统的可靠性和安全性。

  3. 政策建议
    研究建议在铁路沿线设置适量的气象站和传感器,以确保数据采集的全面性和准确性,同时减少不必要的设备冗余。


研究亮点
1. 创新性方法
研究首次将“决策树”分类器模型应用于铁路接触网系统的冰冻预测,展示了机器学习技术在交通领域的潜力。

  1. 高效性与实用性
    模型能够在气象数据不足的情况下实现高精度预测,为偏远地区铁路段的管理提供了可行方案。

  2. 多学科交叉
    研究结合了气象学、统计学和铁路工程学的知识,体现了多学科协作的优势。


其他有价值内容
研究还讨论了冰冻现象对铁路供电系统的具体危害机制,例如冰层可能导致电流收集装置失效或接触网断裂。此外,研究强调了及时监测和清除冰层的重要性,特别是在无法采用融冰或预防加热措施的铁路段,机械除冰方法仍是主要手段。

上述解读依据用户上传的学术文献,如有不准确或可能侵权之处请联系本站站长:admin@fmread.com