基于RBF神经网络的铁路沿线短时风速预测方法

对实测风速数据进行Kalman滤波,去除实测风速数据的偏差;通过归一化处理,消除数据中的冗余成分;针对RBF神经网络的预测误差会随着时间的推移而增大的问题,采用滚动式训练方法在线训练RBF神经网络;用训练好的RBF神经网络进行风速预测,再对预测结果进行反归一化处理,得到最终的预测风速.仿真结果表明,运用基于RBF神经网络的铁路短时风速预测方法对短时风速进行预测,最大相对误差仅为5.92％,可满足铁路防灾安全监控系统中风速预测子系统的要求.     

基于粒子群BP网络混合算法的边坡稳定性评价

边坡稳定性评价与预测具有高度非线性和不确定性特征,难以用准确的数学模型表达。选取多个边坡工程实例构成学习样本集,以土体重度、内摩擦角、黏聚力、坡角、坡高、孔隙压力比6个主要影响因素作为土坡稳定性的评价判别指标;然后采用粒子群算法优化BP神经网络模型,实现混合算法,在保持BP网络算法误差反向传播修正权值特点的同时,将网络权值和阈值粒子化,利用粒子群算法的全局搜索性实现网络权值和阈值的更新,从而加快收敛速度和提高收敛精度,避免传统粒子群结合BP网络算法的"早熟"现象;通过与其他算法进行边坡稳定性评价的比较分析,表明了本文研究算法的可行性与合理性。     

基于遗传单纯形算法与RBF网络的地应力场反演方法

为提升RBF神经网络性能,采用遗传单纯形算法优化RBF神经网络隐含层节点中心值,利用FLAC3D软件建立区域的数值计算模型来进行正分析计算,以若干测点的正应力值作为训练样本,用优化的RBF网络反演模型区域的岩体力学参数及初始地应力场。依据沙溪铜矿区的地质资料进行算例分析,该方法的反演计算值、实测值及其他RBF网络反演计算值对比表明:所采用的遗传单纯形算法优化RBF网络的反演方法是可行的,改善了计算精度,对类似工程有一定的参考价值。     

移去恢复法在山区高程异常反演预测中的应用研究

基于两组山区高程异常数据,对移去恢复法在山区高程异常反演预测中的应用效果进行研究分析。结果表明,采用移去恢复法之后高程异常内符合、外符合精度均得到显著提高,验证了该方法在山区高程异常反演预测中的适用性。     

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。     

下一代铁路信息系统发展方向思考

介绍信息系统发展代际特征,基于云脑平台架构机理,结合铁路信息系统自身实际与发展目标,研究下一代铁路信息系统的发展方向。建议预先开展云边协同与泛在互联、面向认知与智能处理等研究,以期为推进铁路信息系统高质量发展,以及铁路数字化、网络化和智能化的进程提供参考。     

基于人工神经网络的混合梁斜拉桥智能诊断方法研究

研究目的:本文以天津市河北大街混合梁斜拉桥为工程背景,基于人工神经网络模型,提出适用于混合梁斜拉桥的分步识别方法,分别采用概率和径向基函数神经网络对子结构和钢主梁子结构局部构件进行损伤识别.此外还提出适用于钢主梁局部构件识别的动-静组合损伤指标,并建立相应的径向基函数网络模型,分别针对单损伤、双损伤和三损伤的不同损伤情况进行数值模拟.研究结论:识别结果表明:(1)本文所提出的分步识别方法具有较高的识别精度,网络识别速度快,适用于大型混合梁斜拉桥的智能诊断过程;(2)所提出的动-静组合损伤指标对混合梁斜拉桥的局部损伤识别也较为敏感;(3)单处损伤测试工况中,识别精度几乎高达100％;(4)在两处和三处损伤测试工况中,位置识别正确率分别达到82.61％和78.3％.     

城际铁路列控系统车-地通信延迟时间估计的深度学习算法研究

为了降低通信延迟对城际铁路列车运行控制的影响,利用通信控制服务器（CCS）积累的车-地GSM-R消息延迟时间历史数据,形成延迟时间估计的算法框架。采用递归神经网络,结合无线传输数据包大小与延迟时间的关系,并使用规范化等深度学习技术,对数据和模型进行学习和训练。实验结果表明,可以有效地估计无线传输延迟时间,解决统计分析方法带来精确度不高的问题,为车地通信消息有效性的精确判断提供依据。