10.16037/j.1007-869x.2022.11.014
基于LSTM(长短期记忆)网络的城市轨道交通列车停站精度预测
城市轨道交通列车进站自动停车过程中常会出现冲标和欠标问题,结合行车日志大数据分析和LSTM(长短期记忆)网络算法,提出了有效的解决方案.首先针对行车日志中大量的列车停车精度历史信息进行大数据分析,按1 d为一个统计周期对数据进行分期,并对数据进行预处理和多类拟合,对比后获得最佳拟合参数的时间序列.然后通过LSTM网络算法构建深度学习模型,对列车进站自动停车精度的分布进行预测.最后基于成都某地铁线列车停车精度的历史数据,对该LSTM预测模型进行训练与验证.结果表明:该预测模型可满足统计学上对相似度大于0.9的要求,从而验证了该模型的有效性和准确性.
城市轨道交通、长短期记忆网络、Weibull分布、停车精度预测
25
U284.48(铁路通信、信号)
上海市自然科学基金资助项目22ZR1422200
2022-12-09(万方平台首次上网日期,不代表论文的发表时间)
共5页
62-65,71