基于集成学习模型的城市轨道交通车载数据分析与列车停车误差预测

摘要：

提出了一种基于Stacking策略的集成学习模型算法.通过基础模型算法评估阶段和基础模型算法集成阶段,成功选出K个基础模型,并基于模型集成策略完成了模型的集成工作,最终得到了基于Stacking策略的集成预测模型.基于实际案例,使用该集成模型对列车停车误差进行预测,并对预测结果进行验证.验证结果显示,基于Stacking策略的集成学习算法模型的训练效率高、预测精度高,与其他传统模型相比具有较强优势.

关键词：城市轨道交通、集成学习模型、车载数据分析、列车停车误差预测、Stacking策略

所属期刊栏目：24

分类号：U231.6(特种铁路)

在线出版日期：2021-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：53-57,61