本发明属于轨道交通，尤其是涉及一种基于监测数据挖掘的轨道交通沿线风速雨量预测及风险警戒方法。
背景技术：
1、轨道交通线路作为一种长大带状基础设施，容易受到强风、强降雨等高影响天气的影响降低通行能力，严重时甚至能够引起人员伤亡事故，造成重大经济损失。为应对高影响天气带来的气象风险，轨道交通运营管理人员往往会结合气象局的网格状气象服务或设置监测点对可能引起风险的天气要素进行防范。从降低运营成本，同时更好地匹配轨道交通线路狭长带状特点的角度出发，运营部门通常更愿意在线路沿线对一些布置成本较低、发生频率较高、影响较大的气象风险要素(如风和雨等)进行自主监测，例如目前国内的铁路与城市轨道交通线路已经有一定的沿线气象监测基础，同时系统后台具备要素到达阈值后的实时报警等功能。随着现在列车速度的提高，行车密度的增加，单一的报警功能已不能满足轨道交通运营对现代防灾安全系统的需要。对于轨道交通沿线的气象风险管理逐渐从被动式、预防式向主动式、预测式演进，如何深度挖掘沿线获取的风量、雨量等气象监测数据，并将其运用到对应的风险警戒上，就成了风险主动管理的关键。
2、风速、雨量等要素属于典型的随机非平稳信号，深度学习等智能算法的出现给这类典型的气象风险要素预测带来了新的思路。目前也有小部分研究人员在气象、风电等领域通过时序数据对风量、雨量等指标进行了预测，但存在准确度不高、极端值预测情况差等问题，基于气象云图的预测手段应用门槛和成本又相对较高，同时也无法较好地贴合轨道交通气象风险管理的具体要求。目前对于轨道交通气象风险的警戒能力，大多也局限于基于阈值的分级报警，基于实际气象风险要素监测与预测的线路气象风险警戒能力还有待进一步提升；同时在线路尺度综合了宏观的区域气象预报特征、细观的实时监测数据以及对应的预测数据后，气象警戒状态又需要进行更细层次的划分，来适应主动管理和提前预警的需求。综上所述，目前亟需一种基于监测数据挖掘的轨道交通沿线气象要素预测及风险警戒方法，充分利用沿线细颗粒度气象监测数据，尤其是典型的风雨量数据，用以保障线路沿线气象风险的低成本、高精度主动管理。
技术实现思路
1、本发明的目的是克服上述背景技术中的不足，提供一种基于监测数据挖掘的轨道交通沿线风速雨量预测及风险警戒方法。
2、本发明的技术方案是：
3、一种基于监测数据挖掘的轨道交通沿线风速雨量预测及风险警戒方法，包括以下步骤：
4、s1.布置监测站点并获取风雨监测数据；
5、s2.构建短时预测模型并训练验证；
6、s3.构建风雨预警等级；
7、s4.构建预警系统，部署短时预测模型，获取实时的风雨监测数据并输入短时预测模型得到风雨预测结果，再通过风雨预警等级输出警戒状态。
8、所述步骤s1中，风雨监测数据包括瞬时风速、每分钟累积雨量、每小时累积雨量、每24小时累积雨量、时间戳；将风雨监测数据建立数据集，划分为训练集、测试集；
9、所述步骤s2中，短时预测模型包括风速短时预测模型、雨量短时预测模型，风速短时预测模型结构为引入注意力机制的gru网络，雨量短时预测模型结构包括先引入cnn网络进行空间特征提取，再通过lstm网络完成预测工作；
10、所述步骤s2中，在训练和校验短时预测模型前，对数据集的异常值与缺失值进行处理。
11、所述步骤s2中：
12、数据集的异常值处理包括：将超越台风阈值上限的风雨监测数据异常高值以及与同时刻的相邻监测站点、相邻气象站的数据有明显差异的风雨监测数据进行抓取、判断、剔除；
13、数据集的缺失值处理包括：对数据集的异常缺失值进行补全和时间戳对齐，对风雨监测数据的采样时间间隔做一阶差分；若一阶差分值大于相应采样时间间隔则判定为数据确实；当缺失段占比小于5％，采用线性插值方法填补缺失值，缺失段大于5％时剔除缺失段；对采样时间间隔不齐的风雨监测数据采用线性插值方法进行对齐。
14、所述步骤s2中，风速短时预测模型的引入注意力机制为通过记忆网络检查风速预测结果和历史风雨监测数据的强风事件之间是否存在相似性来对强风事件进行更好地逼近，包括：
15、a1.通过历史风雨监测数据引入强风事件标签
16、
17、式中：μ为强风阈值；
18、a2.强风事件的风雨监测数据输入gru网络，输出历史强风向量cj；
19、a3.当前时刻t的实时风雨监测数据输入gru网络，得到实时风速向量gt，并将其继续输入全连接层，输出当前时刻t的预测值ot；
20、a4.将实时风速向量gt和历史强风向量cj通过softmax函数定义注意力权重atj
21、
22、式中：注意力权重为当前时间序列和m个历史窗口时间序列之间的相似权重；
23、a5.通过注意力权重atj和强风时间标签hj，计算强风事件发生概率ut
24、
25、a6.计算当前时刻t的最终风速预测结果yt：
26、yt＝ot+b*ut (4)
27、式中：b为尺度参数。
28、一维卷积网络由一维卷积层conv1d和池化层maxpooling1d组成，通过滑动空间窗定位当前监测站点及其相邻监测站点，并提取邻域空间特征，将邻域空间特征输入到lstm层和全连接层，并将输出结果进行反标准化，还原得到雨量预测结果。
29、所述步骤s3中，根据监测站点的实时监测数据、气象站的预报数据、短时预测模型的预测结果，建立子等级，并根据气象部门的警戒等级及其阈值，构建完整的风雨预警等级；
30、警戒等级包括蓝色、黄色、橙色；
31、子等级包括：i级报警，代表气象要素超出当前等级阈值的状态将持续，同时有较大概率造成警戒等级升级；ii级报警，代表当前高影响天气在当前等级达到阈值，一般需要人为介入短期内干预运营状态，但这种状态在局部监测区域不会长时间持续；iii级预警，代表当前局部监测数据未到达当前等级的阈值，但未来可能到达阈值，要引起关注。
32、所述步骤s4中，预警系统包括预警系统包括数据库、后端控制台、后台算法模块，前端信息推送与展示模块。
33、所述步骤s4中，预警系统的预警步骤包括：
34、b1.前端信息推送与展示模块向后端控制台发送预测请求；
35、b2.后端控制台解析预测请求，从数据库读取风雨监测数据并返回给后台算法模块；
36、b3.后台算法模块进行数据预测，并将预测结果返回给后端控制台；
37、b4.后端控制台将预测结果带入代入风雨预警等级，得到警戒状态，返回给前端信息推送与展示模块。
38、所述步骤b3中，对风速预测结果的误差进行修正，包括：
39、b31.当满足以下条件之一时，开启预测结果修正：
40、b311.实时风雨监测数据已超过最低警戒等级的阈值，预测结果没有达到阈值；
41、b312.实时风雨监测数据未达最低警戒等级阈值，但过去连续三个时间戳内的历史风雨监测数据高于预测结果，且平均超越百分比pe＞50％：
42、
43、b32.利用超越百分比计算误差修正项：
44、取历史3个时间步长内的所有实时风雨监测数据高于预测结果的点，计算两者的超越百分比均值将超越百分比均值乘上当前时间步长的预测结果作为误差修正项
45、
46、式中：为历史三个时间步长的超越百分比均值，为修正后的t+1时刻预测结果，替换模型直接输出的值；
47、b33.确定退出修正条件；
48、当历史3个时间步长内的实时风雨监测数据不超过预测结果，自动退出预测结果修正；
49、当通过条件b11进入预测结果修正，则退出预警时自动退出预测结果修正。
50、所述步骤b2中，后台算法模块先对监测数据进行预处理，再进行预测并将预测结果返回给后端控制台；预处理为对瞬时风速进行滑动平均处理，每五分钟取平均值得到新的时间序列。
51、本发明的有益效果是：
52、在预警功能上，本发明提出的预测及风险警戒方法，能够充分利用沿线低成本气象监测的优势，仅通过沿线布设小型监测站所获取的气象数据就能进行气象要素的提前预测，解决气象云图获取难、应用门槛高的问题，给线路安全运维降低了成本；
53、在预测效果上，本发明在风速预测上提出了以强风事件作为核心的注意力机制，在简化计算过程的同时改善基线模型对高风速报警区段的预测效果，在雨量预测上则提出了邻域时空特征堆叠的理念，在预测过程中考虑邻近站点的雨量特征，提升了预测精度和模型泛用性，同时加入的修正方法也进一步提升了模型的自适应能力；
54、在预警等级管理上，提出了综合实时数据、预测数据和预报服务的预警管理体系，能够在把握区域宏观态势的同时对线路区间气象风险进行精细化预警管理，引入预测值也解决了传统气象风险监测只能进行阈值报警而非对风险提前预警的问题。
55、综合来看，本发明所提出的方法能够用于轨道交通沿线风雨相关风险短时预测预警，能够让运营人员在不依赖卫星云图等高值气象资源的基础上，能够以低成本感知线路所面临的气象风险未来发展态势，并对风险进行分级分类评估，实现精细化的风险主动管理。
1.一种基于监测数据挖掘的轨道交通沿线风速雨量预测及风险警戒方法，包括以下步骤：
2.根据权利要求1所述的一种基于监测数据挖掘的轨道交通沿线风速雨量预测及风险警戒方法，其特征在于：所述步骤s1中，风雨监测数据包括瞬时风速、每分钟累积雨量、每小时累积雨量、每24小时累积雨量、时间戳；将风雨监测数据建立数据集，划分为训练集、测试集；
3.根据权利要求2所述的一种基于监测数据挖掘的轨道交通沿线风速雨量预测及风险警戒方法，其特征在于：所述步骤s2中：
4.根据权利要求2所述的一种基于监测数据挖掘的轨道交通沿线风速雨量预测及风险警戒方法，其特征在于：所述步骤s2中，风速短时预测模型的引入注意力机制为通过记忆网络检查风速预测结果和历史风雨监测数据的强风事件之间是否存在相似性来对强风事件进行更好地逼近，包括：
5.根据权利要求2所述的一种基于监测数据挖掘的轨道交通沿线风速雨量预测及风险警戒方法，其特征在于：所述步骤s2中，雨量短时预测模型结构包括输入层、一维卷积网络、lstm层、全连接层和输出层；
6.根据权利要求1所述的一种基于监测数据挖掘的轨道交通沿线风速雨量预测及风险警戒方法，其特征在于：
7.根据权利要求1所述的一种基于监测数据挖掘的轨道交通沿线风速雨量预测及风险警戒方法，其特征在于：所述步骤s4中，预警系统包括预警系统包括数据库、后端控制台、后台算法模块，前端信息推送与展示模块。
8.根据权利要求7所述的一种基于监测数据挖掘的轨道交通沿线风速雨量预测及风险警戒方法，其特征在于：所述步骤s4中，预警系统的预警步骤包括：
9.根据权利要求8所述的一种基于监测数据挖掘的轨道交通沿线风速雨量预测及风险警戒方法，其特征在于：所述步骤b3中，对风速预测结果的误差进行修正，包括：
10.根据权利要求8所述的一种基于监测数据挖掘的轨道交通沿线风速雨量预测及风险警戒方法，其特征在于：所述步骤b2中，后台算法模块先对监测数据进行预处理，再进行预测并将预测结果返回给后端控制台；预处理为对瞬时风速进行滑动平均处理，每五分钟取平均值得到新的时间序列。
