[发明专利]一种基于多元回归模型的高速列车动态轴温预测方法

摘要

本发明公开了一种基于多元回归模型的高速列车动态轴温预测方法，具体按照以下步骤实施：步骤1、对列车的原始数据进行分类；步骤2：对步骤1进行分类后的数据进行分区处理；步骤3：对步骤2得到的分区处理后的数据建立轴温分析的流模型；步骤4：对步骤3得到的流模型进行检验，本发明解决了现有技术中存在的能基于轴温变化机理实现车轴温度预测的问题。

主权项

1.一种基于多元回归模型的高速列车动态轴温预测方法，其特征在于，具体按照以下步骤实施：步骤1、对列车的原始数据进行分类；步骤2：对所述步骤1进行分类后的数据进行分区处理；步骤3：对所述步骤2得到的分区处理后的数据建立轴温分析的流模型，具体按照以下步骤实施：步骤(3.1)、预测变量的相关性：对经过所述步骤2处理后的“加速训练样本.xls”,“平稳训练样本.xls”及“减速训练样本.xls”中的预测变量进行相关性分析，即速度v、每个起停阶段的初始轴温T₀、环境温度C、运行时间t以及载重L与轴温T之间的相关性系数，其依据如下：其中，N为变量的个数，x_i为自变量，y_i为因变量——轴温T，r为皮尔逊Pearson相关系数，当(1)0.8≤r≤1时，变量为极强相关；(2)0.6≤r＜0.8时，变量为强相关；(3)0.4≤r＜0.6时，变量为中等程度相关；(4)0.2≤r＜0.4时，变量为弱相关；(5)0.0≤r＜0.2时，变量为极弱相关或者无相关，因为影响轴温的因素较多，故能够根据相关系数r剔除掉极弱相关或者无关的影响因素；步骤(3.2)、回归系数的计算：对经过所述步骤2处理后得到的三个阶段的训练样本数据进行回归分析，样本回归模型的矩阵表示为其中，e为因变量的实测值与估计值之差，为偏回归系数，表示当其他自变量取值固定时，自变量x_i每改变一个单位时y_i的变化量，将三个运行阶段中的变量速度v(x_1i)、每个起停阶段的初始轴温T₀(x_2i)、环境温度C(x_3i)、运行时间t(x_4i)以及载重L(x_5i)作为回归模型中的自变量x_ki，且生成自变量矩阵X如下：上式中，k为自变量的个数，i为每个自变量包含的元素数，将轴温T(y_i)作为回归模型中的因变量y_i，且生成包含所有目标集的k维向量Y如下：用公式得出各回归系数进而得到因变量y_i的估计值其中，X'为自变量组成的矩阵X的转置；步骤(3.3)、在数据挖掘工具SPSS Modeler中建立流模型：在SPSS Modeler中，首先在“源”选项卡里面选择“excel”节点，将“训练样本.xls”导入此节点中，然后在“字段选项”选项卡里面选择“过滤”节点filter与“类型”节点type，用此“过滤”节点可以过滤掉列车运行的“时刻”项，“类型”节点用以设置各变量的角色，然后在“建模”选项卡里面选择“特征选择”feature selection和“回归”regression节点，接下来在“字段”选项卡里选择“导出”节点export，用以导出模型得到的轴温值与原始轴温对比的表和方框图；步骤4：对所述步骤3得到的流模型进行检验。