基于时间序列的编组站中时排异重塑预测方法
针对现行铁路编组站车辆中时预测方法不能满足实际运输组织需求,提出一种基于时间序列的中时预测方法.根据编组站数据特点,建立中时序列,利用聚类分析方法检测显隐性异常,设计中时下界异常判定条件排除正常中时值,采用邻域插值方法对异常数据重塑,结合ARMA过程分析重塑中时序列并建模,对模型进行参数估计和启发式算法定阶,最终预测编组站短期中时.研究结果表明:该预测方法能够准确发现异常数据,序列重塑后效果较好,预测结果与实际生产情况符合度较高,可以很好地应用在对编组站中时的预测中,有利于编组站合理预测和分析运输生产活动,提高运输组织管理水平.
铁路运输、中时预测、聚类算法、时间序列、ARMA模型、球形簇
14
U292.16(铁路运输管理工程)
中国铁路总公司科技研究开发计划课题资助项目2014X009-A
2017-08-10(万方平台首次上网日期,不代表论文的发表时间)
共8页
1538-1545