基于VMD-LSTM-WOA的铁路沿线风速预测模型

作者：孟建军^*; 江相君; 李德仓; 孟高阳

来源：传感器与微系统, 2023, 42(04): 152-156.

DOI：10.13873/J.1000-9787(2023)04-0152-05

• 铁路风速预测
• 变分模态分解
• 长短期记忆神经网络
• 鲸鱼优化算法

针对当前铁路沿线风速预测中精确度不高和模型泛化性差等问题，采用一种变分模态分解(VMD)、长短期记忆神经网络(LSTM)和鲸鱼优化算法(WOA)的组合预测模型，并通过均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)等评价指标进行模型预测精度验证。选取多个不同时间尺度的风速数据进行实验。实验结果表明：与其他模型相比，本文模型能有效提高风速预测精度，并且有着较好的泛化性。同时VMD-LSTM-WOA预测模型能够适用于铁路沿线短期风速和超短期风速预测，能为高速铁路规范和城市轨道交通规范下的大风预警提供可靠的支持。

• 单位
  兰州交通大学