[发明专利]一种基于BP神经网络的过渡电阻预测方法

权利要求书

1.一种基于BP神经网络的过渡电阻预测方法，其特征在于，具体步骤为：

步骤1，收集地铁的原始数据作为数据集，所述原始数据为地铁的极化电压，轨构电压，偏移量，自然本体和过渡电阻测量值五种数据；

步骤2，对所述数据集中的数据进行预处理，得到预处理数据集，所述预处理数据集为除去无效测量的数据；之后将所述预处理数据集分为训练集和测试集；

步骤3，构建基于BP神经网络的过渡电阻预测模型；

步骤4，采用所述训练集对基于BP神经网络的过渡电阻预测模型进行训练；

步骤5，从测试集中选出一组数据，用训练好的所述基于BP神经网络的过渡电阻预测模型对训练集进行测试，输入地铁的极化电压，轨构电压，偏移量，自然本体四种数据，得出过渡电阻的预测值。

2.如权利要求1所述的一种基于BP神经网络的过渡电阻预测方法，其特征在于，所述预处理的具体步骤为：

步骤2.1，数据删除：除去原始数据中无效或错误测量的部分；

步骤2.2，数据删除后，进行数据补全：根据多重插补法对正确的数据进行补全。

3.如权利要求2所述的一种基于BP神经网络的过渡电阻预测方法，其特征在于，所述数据补全中，只对缺失值不超过15％的数据，超过15％的数据直接去除。

4.如权利要求1的一种基于BP神经网络的过渡电阻预测方法，其特征在于，所述测试集与训练集的比例为3:7。

5.如权利要求1的一种基于BP神经网络的过渡电阻预测方法，其特征在于，所述基于BP神经网络的过渡电阻预测模型包括输入层、隐藏层和输出层，所述输入层神经元个数为4，所述输出层神经元个数为1。

6.如权利要求5的一种基于BP神经网络的过渡电阻预测方法，其特征在于，所述隐藏层神经元的个数为4。

7.如权利要求5的一种基于BP神经网络的过渡电阻预测方法，其特征在于，所述基于BP神经网络的过渡电阻预测模型的激励函数为sigmold函数。

8.如权利要求5的一种基于BP神经网络的过渡电阻预测方法，其特征在于，所述基于BP神经网络的过渡电阻预测模型采用反向传播算法进行误差计算与权值更新。