[发明专利]基于机器学习的列车牵引能耗计算方法

权利要求书

1.一种基于机器学习的列车牵引能耗计算方法，其特征在于，包括：

建立机器学习计算列车牵引能耗的数据驱动模型，具体包括：在原始的列车运行速度曲线中获取小时间单位间隔内每个速度点之间列车的运行状态为匀加速的过程；

将所述原始的列车运行速度曲线离散为一系列不同位移处的速度数据点{v₁-s₁},{v₂-s₂}.......,{v_i-s_i},.....{v_n-s_n}，{v_i-s_i}为速度-位移点；

从数据驱动的角度出发，固定运行时间t下的牵引能耗E_t与{v_i-s_i}(i＝0,1...n)之间构成对应关系E_t({v₁-s₁},{v₂-s₂}.......,{v_i-s_i},.....{v_n-s_n})，将所述对应关系E_t({v₁-s₁},{v₂-s₂}.......,{v_i-s_i},.....{v_n-s_n})作为计算列车牵引能耗的数据驱动模型，将所述速度-位移点{v_i-s_i}作为所述计算列车牵引能耗的数据驱动模型的决策变量；

收集列车运行状态数据，对所述列车运行状态数据进行降维、标准化处理，得到处理后的数据；

利用处理后的数据训练随机森林回归机器学习算法，并对训练好的随机森林回归机器学习算法进行验证；

利用处理后的数据训练支持向量机回归机器学习算法，并对训练好的支持向量机回归机器学习算法进行验证；

基于任意区间的列车运行曲线数据，利用所述训练好的随机森林回归机器学习算法与支持向量机回归机器学习算法分别求解所述列车牵引能耗的数据驱动模型，获取列车牵引能耗数据。