[发明专利]基于长短期记忆网络的转辙机健康度短期预测方法

权利要求书

1.一种基于长短期记忆网络的转辙机健康度短期预测方法，其特征在于，包括：

利用已有的转辙机设备健康度值，按照时间先后顺序获得每台转辙机设备对应的历史健康度时间序列数据；

将每台转辙机设备对应的历史健康度时间序列数据进行预处理，按照设定的比例参数Train_size，将预处理结果按照时间先后顺序划分为训练集与测试集，对于训练集通过滑动窗口机制，构造出若干组由历史窗口和未来窗口组合形成的训练样本，相邻训练样本之间的具有重叠数据；

基于设置的批尺寸参数Batch_size，对预先构建的长短期记忆网络进行训练，训练过程中，以历史窗口作为预测特征，以未来窗口作为预测目标，通过反向传递更新长短期记忆网络的参数，直至长短期记忆网络收敛，从而获得训练好的长短期记忆网络；

将测试集输入至训练好的长短期记忆网络，从而对相应转辙机设备未来的健康度进行预测。

2.根据权利要求1所述的一种基于长短期记忆网络的转辙机健康度短期预测方法，其特征在于，所述将每台转辙机设备对应的历史健康度序列进行预处理的方式包括：

检测历史健康度时间序列数据是否为日期连续的数据，若否，则将历史健康度时间序列数据的null或者缺项的部分删除，使得处理后的历史健康度时间序列数据为日期连续的数据；随后，设置历史健康度时间序列数据的格式为浮点类型；

对浮点类型的历史健康度序列进行归一化，从而将数据的值映射到[0,1]区间，归一化公式为：

其中，X'、X分别为归一化前、后历史健康度时间序列数据中的数据，X_min为历史健康度时间序列数据中的最小值，X_max为历史健康度时间序列数据中的最大值。

3.根据权利要求1所述的一种基于长短期记忆网络的转辙机健康度短期预测方法，其特征在于，所述按照设定的比例参数Train_size，将预处理结果按照时间先后顺序划分为训练集与测试集包括：

按照设定的比例参数Train_size，将健康度时间序列数据中，前一部分数据作为训练集，剩余的后一部分数据作为测试集。

4.根据权利要求1所述的一种基于长短期记忆网络的转辙机健康度短期预测方法，其特征在于，所述批尺寸参数Batch_size依据搭载长短期记忆网络的设备的内存效率和内存容量进行设定。

5.根据权利要求1所述的一种基于长短期记忆网络的转辙机健康度短期预测方法，其特征在于，所述长短期记忆网络中还设置了Look_back参数，Look_back参数用于指示长短期记忆网络预测过程中所需预测特征的数目，从而通过设定数目的预测特征来预测一个未来的健康度；训练过程与测试过程中Look_back参数相同。

6.根据权利要求1所述的一种基于长短期记忆网络的转辙机健康度短期预测方法，其特征在于，所述将测试集输入至训练好的长短期记忆网络，从而对相应转辙机设备未来的健康度进行预测的方式如下：

基于测试集，按照时间顺序逐一预测未来单个时间点的健康度，并在健康度曲线中绘，然后，然后移动滑动窗口，继续利用测试集预测下一个时间点的健康度。