一种基于机器学习的铁路信号机房电磁环境预测模型

本发明公开了一种基于机器学习的铁路信号机房电磁环境预测模型，包括：S1，对铁路信号机房的数据进行数据采集、数据预处理、数据标准化处理；S2，构建BP神经网络模型。本发明提出了基于机器学习算法的针对铁路信号机房的电磁环境效应预测模型，并能够对样本数据进行均衡处理、标准化处理、异常值处理等数据预处理操作，实现符合BP神经网络的输入，得到准确的铁路信号机房电磁环境预测结果。区别于传统的基于数值计算的方法，本发明创新性地将神经网络应用于铁路信号机房的电磁环境预测中，降低了传统方法的计算复杂度与泛化性差等问题。