Novo Sistema de Alerta de Ventos Fortes
Imagem: Estação de coleta de dados. Fonte
Nos registros recentes, há vários casos de descarrilamentos no mundo causados por fortes ventos cruzados. Japão, China e Canadá são países que se destacam no número de acidentes. Para reduzir essas ocorrências, tem-se investido muito na aerodinâmica dos trens e simulações para analisar os efeitos dos ventos cruzados. Além disso, outros cientistas tem desenvolvido sistemas de alerta de ventos fortes e os resultados são positivos para o transporte feroviário. Porém, para proteger a circulação de trens ao longo da ferrovia Qinghai – Tibete, um novo sistema de alerta foi desenvolvido com um método de previsão da velocidade do vento a curto prazo, utilizando Decomposição do Modo Empírico (EMD) e o algoritmo Recursive Autoregressive Integrated Moving Average (RARIMA).
A ferrovia Qinghai – Tibete é mais alta do mundo, são 5072 km de altitude e 1142 km de extensão. Devido a elevada altitude, o fenômeno de vento cruzado forte acontece com frequência ao longo da ferrovia, desta forma, é necessário um sistema de alerta inteligente e em tempo real para garantir a segurança dos trens. O método proposto para o novo sistema consiste em três etapas computacionais: (1) usar o método EMD para decompor os dados de velocidade do vento em sub-camadas; (2) construir modelos de previsão para todas as sub-camadas de velocidade com o RARIMA; (3) empregar os modelos construídos no RARIMA para prever a velocidade.
Para medir a velocidade do vento ao longo da ferrovia Qinghai-Tibete, 52 estações de coleta de dados de velocidade do vento foram instaladas, incluindo dois tipos: as estações sem fio e as estações cabeadas. Além disso, todas as informações em tempo real dos trens e da linha férrea são recolhidas pela companhia da Qinghai – Tibete e passadas para o banco de dados do sistema de alarme. Com isso, emprega-se os modelos de previsão e uma mensagem é gerada para os trens e para o sistema de monitoramento da ferrovia.
Os experimentos mostram que o novo método possui um desempenho satisfatório de precisão e tempo, além disso se apresentou melhor do que o modelo tradicional Autoregressive Integrated Moving Average (ARIMA). A nova etapa do projeto é acrescentar a direção do vento nos calculos e, assim, otimizar o sistema.
Para mais informações, acesse:
http://www.sciencedirect.com/science/article/pii/S0167610515000471?np=y