[发明专利]混合神经网络和AR模型的高速铁路信号系统流量预测方法

权利要求书

1.一种混合神经网络和AR模型的高速铁路信号系统流量预测方法，其特征在于，该方法包括：

步骤1：选定无线闭塞中心RBC为进行信息安全风险评估的高速铁路信号系统子系统；

步骤2：获取所述无线闭塞中心RBC与其他子系统的历史流量；

步骤3：将所述无线闭塞中心RBC与其他子系统的历史流量信息作为时序数据y_t，将所述时序数据y_t划分为：线性自相关结构L_t与非线性结构N_t；

步骤4：采用AR模型对所述时序数据y_t进行预测，得到AR模型预测结果；

步骤5：采用BP神经网络模型，对所述时序数据y_t与所述AR模型预测结果的残差序列{e_t}进行预测，得到BP神经网络模型预测结果；

步骤6：根据所述AR模型预测结果和所述BP神经网络模型预测结果，进行组合预测，得到高速铁路信号系统流量的预测结果。

2.根据权利要求1所述的混合神经网络和AR模型的高速铁路信号系统流量预测方法，其特征在于，步骤2包括：

其他子系统包括：临时限速服务器TSRS、计算机联锁子系统CBI、调度集中系统CTC和相邻无线闭塞中心NRBC。

3.根据权利要求1所述的混合神经网络和AR模型的高速铁路信号系统流量预测方法，其特征在于，所述的将所述无线闭塞中心RBC与其他子系统的历史流量信息作为时序数据y_t，将所述时序数据y_t划分为：线性自相关结构L_t与非线性结构N_t，包括：

所述线性自相关结构L_t与所述非线性结构N_t满足以下关系：

y_t＝L_t+N_t (1)。

4.根据权利要求1所述的混合神经网络和AR模型的高速铁路信号系统流量预测方法，其特征在于，所述的采用AR模型对所述时序数据y_t进行预测，得到AR模型预测结果，包括：

采用AR模型对所述时序数据y_t进行预测的步骤为：

步骤4.1：引入函数f(k)，所述函数f(k)取得的最小值点作为AR模型的阶数；

f(k)的表达式为：

其中，P₀为预设的阶数上限，N为时序样本长度，为AR模型的白噪声方差估计值；

步骤4.2：根据所述AR模型的阶数采用最小二乘法对AR模型进行参数估计，得到AR模型的参数；

步骤4.3：根据所述AR模型的参数，对未来时刻的流量进行预测，得到AR模型的预测结果

5.根据权利要求1所述的混合神经网络和AR模型的高速铁路信号系统流量预测方法，其特征在于，所述的采用BP神经网络模型，对所述时序数据y_t与所述AR模型预测结果的残差序列{e_t}进行预测，得到BP神经网络模型预测结果，包括：

所述时序数据y_t与所述AR模型的预测结果之间的残差为e_t，其关系式表示为：

6.根据权利要求5所述的混合神经网络和AR模型的高速铁路信号系统流量预测方法，其特征在于，所述的采用BP神经网络模型，对所述时序数据y_t与所述AR模型预测结果的残差序列{e_t}进行预测，得到BP神经网络模型预测结果，还包括：

采用BP神经网络模型对残差序列{e_t}进行预测的步骤为：

步骤5.1：通过BP神经网络的学习训练，得到输入与输出变量的关系，所述输入与输出变量的关系为BP神经网络模型；

步骤5.2：利用计算得到的所述BP神经网络模型对流量进行预测，记其预测结果为