全文总字数：2100字

1. 研究目的与意义及国内外研究现状

随着我国高铁事业的不断发展，高铁线路变得更加复杂，人们使用高铁的频率在不断增加。而由于铁路沿线风速导致的行车事故时有发生，所以为了保证人们出行的安全，本文将对高铁沿线的风速进行模拟预测，通过对风速的模拟预测给高铁管理部门提供科学合理的指导，尽可能的将风速对高铁安全运行的影响降到最低。

国内外研究现状

国外研究现状：国外许多国家都投入了大量的人力物力来减少沿线风速对列车出行的影响，主要在两个方面即（1）软件方面：在某些强风地段设立观测站，当检测到该区段的风速超过某值时，高铁安全管理部门就会做出相应的指导；硬件方面：改善铁路沿线的基础设施比如在强风区段设立防护栏等。在风力预测方面，国外学者也有很多研究譬如西班牙的一位学者Sancho Salcedo-Sanz想出了一个方法，为了预测到风力发电场的速，他将神经网络和第五代中尺度气象模型结合起来。这个方法采用多参数输入其中的参数有风速、风向、温度和气象模型的输出参数，输出值就只有一个就是风速的预测值。

国内研究现状：总体来说国内对风速的预测主要偏向于以下三个方向即风电场风速预测，结构设计防风风速预测和天气预报风速预测。在这三个方向中研究人员对风电场的风速预测投入的人力物力最多，并且取得的成果也最多。但对高铁沿线风速的预测方面的研究还是比较稀少的。从相关的报告中发现，研究人员运用最多的预测风速的方法主要包括：持续法、时间序列分析法、人工神经网络法、支持向量机方法、卡尔曼滤波法。

2. 研究的基本内容

本文研究内容主要如下：

（1）简单介绍一下机器学习的概念。本文运用的是基于rnn的一个变体lstm神经网络模型，所以先讲解了一下rnn的相关知识然后就是lstm神经网络的相关知识及算法推导过程以及keras框架的介绍。

3. 实施方案、进度安排及预期效果

实施方案：先上网或者去图书馆查阅风速预测相关资料，看看国内外在这方面已经研究到什么地步了，然后在学习一下搭建模型需要用到的python语言，以及一些用于预测的机器学习算法。然后参考相关资料尝试的搭建需要的模型进行预测。

进度安排：寒假期间查阅相关资料以及了解一下python语言和机器学习算法，3月初到3月中旬开始搭建需要的模型来尝试的进行预测。3月中旬到4月初将论文核心内容完成。4月初到4月20号左右完成论文初稿，4月20号到4月26号完成查重工作。

预期效果：按照进度安排，基本上已经完成了相关工作，达到了预期的效果。

4. 参考文献

[1] 梁海啸.《青藏铁路大风监测预警系统风速预测算法研究》.中南大学.2010年5月.

[2] 紫竹天冰.机器学习.https://baike.sogou.com/v231046.htm?fromtitle=机器学习.2019年4月访问

[3]黄金钱币.lstm.https://baike.sogou.com/v140767477.htm?fromtitle=lstm.2019年4月访问