典型文献
基于LSTM(长短期记忆)网络的城市轨道交通列车停站精度预测
文献摘要：
城市轨道交通列车进站自动停车过程中常会出现冲标和欠标问题,结合行车日志大数据分析和LSTM(长短期记忆)网络算法,提出了有效的解决方案.首先针对行车日志中大量的列车停车精度历史信息进行大数据分析,按1 d为一个统计周期对数据进行分期,并对数据进行预处理和多类拟合,对比后获得最佳拟合参数的时间序列.然后通过LSTM网络算法构建深度学习模型,对列车进站自动停车精度的分布进行预测.最后基于成都某地铁线列车停车精度的历史数据,对该LSTM预测模型进行训练与验证.结果表明:该预测模型可满足统计学上对相似度大于0.9的要求,从而验证了该模型的有效性和准确性.
文献关键词：
城市轨道交通;长短期记忆网络;Weibull分布;停车精度预测
中图分类号：
作者姓名：
谢嘉琦;邹喜华;汪小勇;毕文峰;华志辰
作者机构：
西南交通大学信息科学与技术学院,610031,成都;卡斯柯信号有限公司,200072,上海
文献出处：
引用格式：
[1]谢嘉琦;邹喜华;汪小勇;毕文峰;华志辰-.基于LSTM(长短期记忆)网络的城市轨道交通列车停站精度预测)[J].城市轨道交通研究,2022(11):62-65,71
A类：
停车精度预测
B类：
城市轨道交通列车,停站,进站,停车过程,中常会,日志,网络算法,历史信息,获得最佳,最佳拟合,拟合参数,深度学习模型,地铁线,线列,历史数据,长短期记忆网络,Weibull
AB值：
0.221835
相似文献
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。
