[发明专利]一种用于高速列车的最大瞬时风速概率预测方法有效
| 申请号： | 201910909626.7 | 申请日： | 2019-09-25 |
| 公开（公告）号： | CN110598955B | 公开（公告）日： | 2022-12-20 |
| 发明（设计）人： | 王浩;张一鸣;茅建校;郜辉 | 申请（专利权）人： | 东南大学 |
| 主分类号： | G06F30/27 | 分类号： | G06F30/27;G06N3/04;G06N3/08;G06K9/62 |
| 代理公司： | 南京众联专利代理有限公司 32206 | 代理人： | 许小莉 |
| 地址： | 210096 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种用于高速列车的最大瞬时风速概率预测方法。该方法包括：第一步，采集列车运行过程中的最大风速序列，并将其划分为训练数据、验证数据以及测试数据；第二步，输入训练数据至LSTM模型，同时将训练数据随机化成若干组输入至RF模型；第三步，以训练数据及验证数据的损失值均逐渐减小为原则，调整RF模型与LSTM模型的超参数以使模型性能达到最优，运行LSTM模型若干次得到多组不同的输出值；第四步，采用RF模型及LSTM模型的输出值作为GPR模型的输入，训练并确定GPR模型的最优核函数；第五步，将测试数据输入最优RF模型及LSTM模型，GPR模型的输出值即为最大瞬时风速的概率预测值，用以提前控制强风下的高速列车车速。 | ||
| 搜索关键词： | 一种 用于 高速 列车 最大 瞬时 风速 概率 预测 方法 | ||
【主权项】：
1.一种用于高速列车的最大瞬时风速概率预测方法，其特征在于，该方法包括如下步骤：/n第一步，选取最大风速序列：采集列车运行过程中的风速数据，提取指定步长的最大风速，将其划分为训练数据、验证数据以及测试数据；/n第二步，根据偏自相关函数确定模型输入变量的数量，输入第一步中得到的训练数据至LSTM模型，同时将第一步中得到的训练数据随机化成若干组输入至RF模型；/n第三步，以训练数据及验证数据的损失值均逐渐减小为原则，调整RF模型与LSTM模型的超参数以使模型性能达到最优，运行最优LSTM模型若干次得到多组不同的输出值；/n第四步，采用RF模型及LSTM模型的输出值作为GPR模型的输入，根据验证数据的均方根误差值最小原则，训练并确定GPR模型的最优核函数；/n第五步，将测试数据输入第三步中得到的最优RF模型及LSTM模型，GPR模型的输出值即为最大瞬时风速的概率预测值，用以提前控制强风下的高速列车车速。/n
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东南大学，未经东南大学许可，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/201910909626.7/，转载请声明来源钻瓜专利网。
