基于GBDT的列车晚点时长预测模型研究

准点率是衡量英国铁路服务质量的关键指标之一.列车晚点时长的准确预测,尤其是旅客列车,对调度指挥工作具有重要意义.基于对英国WCML列车实际运行数据分析,提出一种列车晚点时长预测方法:通过时间事件图分析影响晚点的因素,交叉验证法确定模型重要参数,以列车的车站晚点偏差值为自变量建立晚点时长预测的GBDT模型.对测试数据集的...     

基于多阶段特征优选的高速铁路列车晚点预测模型

为克服大规模高维数据集不相关和冗余信息对列车晚点预测模型性能的影响,提出一种融合多阶段（MS）特征优选方法和改进深度神经网络（IDNN）模型的高速铁路列车晚点预测模型（简称MS-IDNN模型）。首先,利用MS特征优选方法,基于列车运行实绩提取影响列车晚点的相关特征,构建初始特征集,并对其进行数据清洗和特征优选,生成最优特征子集;其次,将列车晚点特征映射为IDNN模型的神经元,采取全连接方式提取特征间的交互关系,并叠加多个浅层神经网络以克服深度神经网络反向传播过程中梯度消失的缺陷,实现列车到达晚点的精准预测;最后,以武广高速铁路列车运行实绩为例,验证MS-IDNN模型的有效性。结果表明：相比初始特征集,构建得到的最优特征子集特征维度降低了54.29%;相比6种基线模型,MS-IDNN模型的平均绝对误差和均方根误差分别至少降低4.85%和8.97%,在沿线至少66.66%的车站中表现出更高的预测性能;MS-IDNN模型能够有效剔除数据集中的不相关和冗余信息,提升列车晚点预测精度。     

高铁晚点列车智能调度系统的研究与开发

为提升调度员对高铁晚点列车的调度指挥效率,研究晚点时间估算方法和晚点列车调整规则,利用雷达图和电子地图等可视化技术,开发高铁晚点列车智能调度系统,提供高铁列车运行晚点实时监控、重点监控列车晚点预警、列车晚点原因分析、调整方案协同制定等功能,具有一定程度的智能化水平,有助于减轻调度员的工作强度。目前,系统1.0版本已在中国国家铁路集团有限公司和铁路局集团公司两级单位正式启用,应用效果良好。     

一种智能调度集中系统列车运行实时调整方法

智能调度集中系统中的列车运行调整业务,要求实时优化列车运行计划晚点时长。以此为目标,提出一种高实时性的列车运行调整业务数据处理方法,并基于不同的运输场景和调度操作,建立了约束规划模型;通过约束规划算法执行可递归检查流程,当列车运行计划状态变量不满足约束条件时,对调度操作进行调整,从而实现模型数据的更新。结合某调度区段的数据,计算采用约束规划模型的列车运行计划晚点时长,并与同等条件下采用整数规划模型的计算结果进行对比,验证了本方法对列车运行计划晚点时长具有较好的实时优化效果。     

基于B-P神经网络的北京地铁运量预测模型

分析影响北京地铁运量的因素,选取城市轨道交通内部生产、人口因素、乘客收入因素和交通因素等作为运量预测的关键要素,应用B-P神经网络(Back Propagation ANN,基于误差反向传播神经网络)模型,对未来几年内北京地铁运量进行预测分析.结果发现B-P神经网络对地铁客运量的预测较为适用,可为北京地铁运营规划提供决...     

基于径向基神经网络的铁路货运量预测

货运量预测是铁路运输部门一项重要工作,因此,关于铁路货运量预测理论和方法的研究一直是一个热点。但是,铁路货运量受多种因素影响,且各因素的作用机制通常不能或无法用精确的数学语言来准确描述。本文采用径向基函数(RBF)神经网络对货运量进行分析及预测。通过对1989~2002年全国铁路货运量的历史数据分析处理后,得到铁路货运量增长量的时间序列,将时间序列视为一个从输入到输出的非线性映射,引入RBF神经网络来进行非线性映射的逼近。对网络进行学习与训练仿真实验后,用2003~2004年的增长量进行模型检验,并与BP神经网络、灰色预测模型预测结果进行对比,结果表明,应用RBF神经网络对铁路货运量进行短期预测预测精度更高、效果更好。     

一种基于神经网络优化预测模型的SiC MOSFET阻断电压确定方法

功率器件设计者常需要通过器件仿真进行器件的设计与优化,但由于仿真结果的未知性,设计者需要逐步调整相关参数,使仿真结果不断逼近目标值,这需要耗费大量的时间,而目前又没有有效的解决办法。为解决这个问题,提出了一种基于神经网络的优化预测模型,以确定SiC MOSFET的阻断电压。将测试温度、第一场限环间距、环间距变化步长、场限环个数和漂移区浓度作为自变量,代入器件仿真软件中进行仿真,从而得到VDMOSFET阻断电压(作为因变量),将其分别代入BP神经网络和RBF神经网络中进行预测,并对二者的预测误差进行对比。结果表明,使用LM算法的BP神经网络预测模型能够很好地预测VDMOSFET的正向阻断电压,可为设计者节约大量时间。     

基于径向基神经网络的铁路客货运量预测研究

根据径向基神经网络具有分析非线性动态系统的混沌特性的特点,对铁路客货运发送量相关时间序列进行分析和研究,在Takens相空间重构的基础上,利用互信息方法求嵌入时延、伪邻域方法求嵌入维数;应用G-P方法和最大Lyapunov指数方法对铁路客货运量时间序列进行混沌识别;根据RBF神经网络的学习算法和辨识原理,对铁路客货运量预测流程进行分析。应用径向基神经网络对铁路客货运量自1999-01-01-2012-08-27共4 988 d的发送量为基础进行径向基神经网络预测;并对预测误差进行检验及对预测结果进行分析。研究结果表明：基于径向基神经网络预测值能很好地与实际值相吻合,因而在铁路客货运量相关时间序列中预测有广泛的实用价值。     

求解铁路空车调整问题的一种优化算法

由于铁路的空车资源严重不足,空车调整方案优化与否不仅影响全路运用车的数量,还直接关系到铁路企业的运营效益,为此,相比较已有的算法,遗传算法有很强的收敛能力,神经网络有较好的学习能力及鲁棒性,结合两者的优点提出基于遗传算法优化神经网络的方法来实现空车的调整,降低空车走行率,且建立了空车调整的数学模型,并通过算例验证了该方法的可行性。     

一种基于神经网络的煤炭调运优化方法

运用神经网络的Hopfield优化电路,对一种煤种可相互代用的煤炭调运问题进行了优化仿真计算,其计算结果可为铁路部门的煤炭运输提供定量依据.同时此算法,对于其他的铁路运输问题也是可行的.     

改进的BP神经网络在铁路客运量时间序列预测中的应用

针对目前铁路客运量预测方法的不足,采用改进的BP神经网络对铁路客运量时间序列进行预测。分析改进的BP神经网络原理,对1980年—1998年的铁路客运量进行归一化处理,建立铁路客运量时间序列神经网络预测模型,设计网络参数,进行网络学习与训练的仿真试验。对比分析改进的BP神经网络与标准的BP神经网络预测结果,证明改进的BP神经网络预测结果更准确,精度更高。     

新型组合模型在铁路客运量预测中的应用

客运量是用来测算交通运输业所承担的工作量,反映了运输业为国民经济和人民生活服务的数量指标,准确的客运量预测直接影响到铁路项目的经济效益评价及铁路交通组织安排。根据客流量数据的特点,提出新的组合预测方法,构建线性时间序列灰色GM(1,1)模型和考虑客流量影响因素的非线性遗传算法优化BP神经网络模型。最后结合新建兰州至中川机场铁路项目及调查数据进行客流量的预测研究,并将组合模型预测结果和单一模型相比,得出新型线性和非线性组合模型预测精度更高,取得了满意的效果,为客流量的预测提供了一种新的工具。     

粤港澳大湾区城际铁路网运营管理模式

通过调研分析粤港澳大湾区内城际铁路运营管理现状,分别对城际类、通道类项目的运营管理模式进行分析讨论。对城际类项目,建议可独立运营的线路采用自管自营模式,与国家铁路联通紧密的广珠线可继续委托广州铁路(集团)公司运营,内地与港澳联合运输线路应与相关方签订联合运输协议。对通道类项目,建议按照高速铁路的运营管理选择代管模式。