典型文献
基于KNN多模型融合的高铁列车晚点预测方法
文献摘要：
高速铁路列车运行过程中,由各种外部环境干扰或内部设备故障引发的列车晚点问题对铁路调度指挥与运营管理带来了极大的负面影响.为了更好地把握列车晚点情况,及时调整列车运行图,提高铁路行车指挥与运输服务的质量,本文提出了一种基于KNN多模型融合的列车晚点预测方法.本文采用神经网络、支持向量机和随机森林等机器学习方法,通过对荷兰铁路不同时间下的列车运行数据进行预处理、特征提取和特征选择,训练出了三个独立的列车晚点预测器.为了利用不同机器学习方法的互补预测特性,同时提高在异常交通条件下列车晚点预测模型的整体性能,本文采用基于KNN的多模型融合框架对三种基本预测器进行融合.研究结果表明,基于KNN多模型融合的智慧列车晚点预测方法的预测精度明显优于独立的机器学习模型.
文献关键词：
列车晚点;预测融合;机器学习;KNN多模型融合
中图分类号：
作者姓名：
赵红礼;魏思雨;王皓;刘魁
作者机构：
北京交通大学列车自主运行控制铁路行业重点实验室,北京100044;中铁第四勘察设计院集团有限公司,武汉430063
文献出处：
引用格式：
[1]赵红礼;魏思雨;王皓;刘魁-.基于KNN多模型融合的高铁列车晚点预测方法)[J].铁道技术标准（中英文）,2022(01):34-39
A类：
智慧列车
B类：
KNN,多模型融合,高铁列车,列车晚点,晚点预测,高速铁路列车,环境干扰,设备故障,铁路调度,调度指挥,运营管理,整列,列车运行图,提高铁路,运输服务,机器学习方法,荷兰,运行数据,特征选择,练出,预测器,交通条件,下列,整体性能,融合框架,机器学习模型,预测融合
AB值：
0.227144
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
