基于QRNN改进Stacking算法的列车行驶风速概率预测方法

摘要

本发明公开了一种基于QRNN改进Stacking算法的列车行驶风速概率预测方法，其步骤包括：1：收集铁路沿线危险区域风速观测站的风速相关数据，划分训练集和测试集；2：选择自回归AR模型，支持向量机SVM和RBF神经网络作为基学习器，分别训练模型；3：将上述三个模型在训练集上的预测组成新的训练集，在测试集上的预测组成新的测试集；4：元学习器选择分位数回归神经网络(QRNN)方法，在新的数据集中得到不同分位点下的预测结果，结合核密度估计，得到风速的概率性预测。本发明能充分发挥各学习器的学习性能，同时得到风速预测值的概率密度，从而在充分考虑风速的随机时序性和高度非线性的情况下，提供更加可靠的预警信息。