摘要
本发明公开了基于CEEMDAN‑CNN‑LSTM的重载列车长大上坡工况轨道质量指数预测方法,将采集的上坡TQI数据视为时间序列数据,利用深度学习模型充分利用重载铁路长大上坡TQI的采集数据来预测长大上坡的TQI信息;基于CEEMDAN将非线性TQI数据分解为较为简单的时序数据;混合卷积神经网络(CNN)和长短期记忆神经网络(LSTM)对上坡工况历史风速时序数据进行训练学习,提取历史TQI值与未来TQI值间的关系,再对模型性能进行验证。本发明提高了对重载列车长大上坡工况轨道质量指数的预测精度。
技术关键词
指数预测方法
长短期记忆神经网络
坡道
列车
工况
时序
轨道
混合卷积神经网络
数据
表达式
生成训练样本
深度学习模型
特征值
滑动窗口
优化器
训练集
非线性
极值
铁路
风速
系统为您推荐了相关专利信息
加解密单元
数据存储单元
加解密算法
流水线模块
密钥
越障方法
越障系统
扫地机器人
机器人对用户
识别障碍物
感潮河段
二维水动力模型
水文资料整编
流速
压力式水位计
行驶工况构建方法
循环神经网络模型
转移概率矩阵
曲线
行程