基于BP神经网络的铁路货运量预测

在铁路货运量预测中，为改善传统预测方法数据拟合度不高、外推性不强等问题，提出基于BP神经网络技术的货运量预测模型，该模型采用贝叶斯正则化方法以提高神经网络推广能力。实验比较发现，该模型具有较强的自适应性，其拟合、预测结果优于灰色预测模型GM（1，1）和修正指数回归模型，证实了该方法的可行性和可靠性。     

基于BP神经网络的动车组客室空调故障识别与预警研究

动车组客室空调良好的制冷效果是旅客舒适度和动车组稳定有序运行的重要保证,但客室空调故障的发生具有突发性和隐蔽性特点,给空调系统的日常检修维护带来极大困难。采用BP神经网络算法建立客室室温预测模型,并运用Matlab编程计算实现客室室温理论预测。根据预测模型在CRH380B(L)型动车组客室空调系统中的实际验证情况,制定客室空调故障识别与预警的阈值、规则和等级,为后期客室空调系统故障自动识别与预警系统的开发奠定基础,完善动车组客室空调故障识别和预警机制,对动车组客室空调故障的在线实时识别与潜在故障的预警具有重要意义。     

基于BP神经网络的转辙机故障检测方法

为提高城市轨道交通中ZDJ9型转辙机故障维修效率,提出基于反向传播（BP,Back Propagation）神经网络的转辙机故障检测方法。文章深入分析转辙机动作电流采集原理及现场转辙机转换过程中不同阶段电流曲线特征,确定故障电流曲线种类;对转辙机转换过程中动作电流曲线进行小波分解与重构,对重构后的曲线进行关键特征值提取,将其作为基于BP神经网络的故障检测模型训练数据,最终经过8 000次迭代训练后,故障检测模型的故障检测准确率达到96%,表明该方法能够有效检测转辙机故障及其故障类型。     

基于BP神经网络的道岔智能故障诊断方法

为将神经网络技术运用在铁路道岔故障诊断领域,提出了以神经网络技术为基准,针对道岔常见的3个故障类分别建立3个子神经网络,并总体组建成一个并行神经网络系统的道岔智能故障诊断方法,以帮助维修人员快捷、准确、自动地诊断出故障原因,降低故障处理时间,提高运行效率。     

基于BP神经网络的铁路货运客户满意度评价模型

简要介绍BP神经网络原理,说明最基本的BP神经网络主要由输入层、中间隐含层、输出层3个部分构成。分析影响铁路货运客户满意度的主要因素：货场设施、服务状况、运输成本和货运业务,在此基础上建立铁路货运客户满意度指标体系,提出基于BP神经网络的铁路货运客户满意度评价模型,并以某铁路货运营业站为例对其客户满意度进行评价,验证该模型的可行性。     

基于多因素的铁路货运量BP神经网络预测研究

在对铁路运输影响因素进行定性及定量分析的基础上,选取了国内生产总值、第二产业比重、原煤产量、原油产量等10个指标作为影响因素,运用BP神经网络模型构建它们与铁路货运量之间的复杂映射,从而对铁路货运量进行预测,并以近12年铁路货运量为实例进行验证。     

基于BP神经网络的铁路隧道废水监测数据质量辨识方法

针对传感器水质监测所获取的大量数据,在处理设施工况稳定、外部影响因素及发生影响概率基本不变的条件下,通过筛选代表性、可信度高的数据作为样本,建立BP神经网络模型获取水质指标数据的拟合曲线,可用于传感器自动监测数据质量的智能辨识,对非故障原因导致的测量偏差、原水水质和设施状况异常提供预警.该方法可以保证水质自动监测数据质...     

基于卷积神经网络的列控车载设备故障分类研究

列控车载设备故障复杂且车载记录数据为海量非结构化文本,针对车载记录数据特点,提出基于卷积神经网络的车载设备故障智能分类模型.使用CBOW模型实现车载记录数据的文本分布式表示;为提高网络的泛化性,加快网络收敛,利用加入批归一化处理的卷积神经网络实现故障分类;考虑到不平衡、难分样本对分类效果的影响,通过SMOTE算法随机生...     

新疆铁路大风监测设备的可靠性设计

介绍用于铁路大风监测的多要素气象自动站的主要功能,对提升系统可靠性多种软硬件侦测策略和技术的实施方案作了详细说明,所涉及的设备状态自动侦测和恢复技术对同类型无人值守设备的研制也具有一定的参考价值。     

铁路客运车站客流监测与预警系统

由于缺乏准确的实时客流数据,铁路客运车站的客运组织一直主要依靠经验来调配设备、人员等所需资源。为此,开发了铁路客运车站客流监测与预警系统,通过有效利用铁路客票预售数据、车站历史客流数据、旅客进出站实时数据、列车正晚点数据等相关数据,建立基于K均值聚类的支持向量回归机客流预测模型,实现车站每日进站客流、分时段进站客流、候车室客流的监测、预测及超限预警,方便车站工作人员随时掌握客流动态,及时根据客流变化进行设备和人员动态调配,更加精准、高效、安全、有序地开展车站客运组织作业,有助于改善车站客运服务水平,提升旅客出行体验。     

线性需求下铁路客运差别定价模型研究

为提高席位资源利用率,研究了线性需求下我国铁路客运差别定价策略的优化模型。以收益最大化为目标,基于最优化理论和完全价格歧视策略,确定旅客群体最优细分数目以及每个旅客群体的最优票价,得出在客运淡季,铁路旅客最优细分数目为3~5个,各旅客群的最优票价由铁路客运市场细分数目决定。应用该模型为某城际高铁进行差别定价,试验结果表明,该模型可达到调节客流、增加收益的目的。     

基于灰色和神经网络的铁路客运量预测研究

准确的客流量预测在国家交通规划与管理中具有重要意义,预测方法的选择直接影响到预测的精度。客运量的预测具有小样本和非线性的特点。结合灰色理论和RBF神经网络的特点形成灰色-RBF神经网络模型,并采用客流运量分担率的方式对拟建铁路客流量进行预测。通过灰色理论对原始数据进行生成处理,将无规律的原始数据变为较有规律的生成数列,再利用RBF神经网络的超强适应能力和学习能力,大大加快学习速度并避免出现局部极小问题对生成数列进行预测,再将模型运用到客运量的预测中。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,得出灰色-RBF神经网络模型对客流量具有很好的预测性。     

基于神经网络铁路客票制票终端故障诊断系统的设想

在研究神经网络的基础上分析制票机故障诊断的基本原理,提出基于神经网络的制票机故障诊断思想,利用MATLAB神经网络工具箱进行仿真,并对其进行分析.     

基于铁路电子客票的客运自助服务体系研究

文章阐述了自助服务的特征,梳理了铁路自助服务和电子客票的运用现状,从售票、验票、检票等环节入手,深入分析旅客自助办理客运业务时的各类需求,设计了基于铁路电子客票的客运自助服务体系方案和主要业务流程,对客运自助服务技术的优化进行研究。该体系的建立可提升铁路旅客出行体验、客运作业效率和客站服务品质。     

基于旅客出行方式选择的高速铁路客运分时定价方案研究

高速铁路（简称：高铁）客流一天之中具有较大的波动性,呈现出高峰、平峰、低谷的特点。文章利用“削峰填谷”思想,基于分时定价理论和Logit效用函数,考虑旅客选择出行方式的行为因素,以及线路通过能力、客车容量等约束,建立以高铁企业收入最大化为目标的分时定价模型,并利用遗传算法进行求解。通过某铁路线实际算例,验证上述模型和算法的可行性。验证结果表明,高铁分时定价策略有助于提升高铁市场占有率及运营企业客运收益。     

铁路客站设备运用监控系统总体方案研究

针对目前客站设备管理模式混乱、维护手段单一、信息系统分散和能源消耗较大等问题,对客站设备运用监控系统建设的必要性和需求进行分析。依托既有铁路组织和网络优势,构建系统的总体结构和网络结构,并提出合理完善的系统基本功能框架和接口方案,从而完成对设备运用、监控和维护的全寿命周期跟踪管理。     

基于Kubernetes的铁路客运营销深度学习平台的设计与实现

为解决铁路客运营销深度学习平台Tensorflow框架存在的环境配置复杂,资源利用率低、模型设计周期长等问题,提出了基于Kubernetes容器的PaaS平台构建TensorFlow容器的统一资源调度管理及API访问控制服务架构.经平台实践证明,该架构为客运营销提供了可靠、稳定的分析环境,降低了模型的训练难度,提高了模...     

一种基于BP神经网络的铁路大宗货物运价风险预警判定方法

为获取较大的市场占有率和较好的利润增长水平,铁路货运公司需要实时掌握铁路货物运价在货运市场中的竞争力,综合考虑社会、企业自身和货主等因素,基于BP神经网络算法,进行铁路货运价格风险预警判定方法研究,并建立运价风险预警模型。以某铁路局集团有限公司大宗货物运输中的煤炭运输为例,选取2015-2017年相关数据,训练BP神经网络模型,得到铁路煤炭运价的风险预警结果。与实际数据对比,拟合程度较高,因此可使用该方法对当期的运价风险程度进行合理预测,同时也对相关铁路部门的运价政策制定与调整起到辅助决策作用。     

铁路客运专线轨道工程施工设备配套技术

根据铁路客运专线轨道工程施工工艺特点,结合国外和我国秦沈客运专线轨道工程施工设备配套实践,阐述了铁路客运专线轨道工程施工设备配套思路和内容,提出了合理建议,可供客运专线轨道工程施工设备选型时参考.     

铁路客运旅客群体划分算法的研究

为有效引导客流的合理分布,增加铁路票价收益,文章基于铁路客运用户画像系统,利用社交网络特征传播的方式对旅客特征进行优化完善,并采用聚类算法对用户群体进行分类,对旅客进行市场细分,为在后期营销活动中针对不同的群体进行精准营销、实现铁路营销的差异化服务提供依据。