基于数据分类的高速铁路运营事故预测方法

摘要：

高速铁路运营事故预测方法是度量铁路安全管理水平的重要指标.为提高高速铁路的安全运营水平,引入工业数据分类方法,分析反向传播(BP)神经网络和灰色模型在高速铁路安全运营事故预测过程中的适应性.首先,运用事故次数、事故联动系数、月均事故率3个参数对高速铁路安全运营水平进行度量;然后,根据工业数据分类方法判别高速铁路运营事故数据属于块状型,据此建立反向传播(BP)神经网络运营事故预测模型;针对运营事故数据具有波动大的特点,利用均值聚类方法建立K-GM(1,3)预测模型.以近年来高速铁路运营事故数据为样本对模型进行训练和分析,结果表明:BP神经网络、K-GM(1,3)、GM(1,3)预测模型的预测误差分别为8.92％,13.68％,345.25％,BP神经网络在高速铁路安全运营事故预测过程中的适应性要优于灰度模型.

关键词：交通安全、事故预测、数据分类、高速铁路、神经网络、灰色模型

所属期刊栏目：33

分类号：X913.3(安全科学基础理论)

资助基金：国家自然科学基金项目51178157;中央高校基本科研业务专项基金项目2011zdjh29;教育部人文社会科学研究项目12YJCH071;国家统计科研计划项目2012LY150;江苏省高校“青蓝工程”资助项目201211;江西省教育厅青年基金项目GJJ13314

在线出版日期：2015-05-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：71-78