[发明专利]基于机器学习的列车牵引能耗计算方法有效
| 申请号： | 201810834730.X | 申请日： | 2018-07-26 |
| 公开（公告）号： | CN109063313B | 公开（公告）日： | 2020-10-09 |
| 发明（设计）人： | 杨欣;黄康;吴建军;高自友;尹浩东;屈云超 | 申请（专利权）人： | 北京交通大学 |
| 主分类号： | G06F30/15 | 分类号： | G06F30/15;G06F30/27;G06F16/2458;G06K9/62 |
| 代理公司： | 北京市商泰律师事务所 11255 | 代理人： | 黄晓军 |
| 地址： | 100044 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提供了一种基于机器学习的列车牵引能耗计算方法。该方法包括：建立离散化的列车牵引能耗计算模型；对既有数据进行选择，处理，形成离散化的数据集；将数据集划分为训练集与测试集，利用训练集训练标定随机森林回归与支持向量机回归机器学习算法的最优参数，并用测试集验证其用于计算牵引能耗的效果。利用机器学习算法随机森林回归与支持向量机回归的新方法计算列车牵引速度曲线的能耗，其中随机森林回归同时可以得到曲线某位移处的速度的重要度排序。机器学习方法计算列车牵引能耗，计算过程简单，计算精度高，计算成本低。 | ||
| 搜索关键词： | 基于 机器 学习 列车 牵引 能耗 计算方法 | ||
【主权项】：
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；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。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京交通大学，未经北京交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810834730.X/，转载请声明来源钻瓜专利网。
- 上一篇：变频空调器双转子压缩机配管系统振动仿真方法
- 下一篇：一种服装设计系统
