典型文献
基于深度学习的高速铁路工务安全指数预测技术
文献摘要：
高速铁路工务安全指数(HRPSI)反映了高速铁路工务故障和事故的发生状况,对其进行规律验证与预测对于高速铁路工务专业进行安全评估和预测具有非常重要的现实意义.基于高速铁路10周年工务安全指数数据,构建2种深度学习的时间序列预测模型.利用皮尔森系数预测模型的有效性证明构建2种模型的有效性.其中门控循环单元(GRU)预测方法效果更好,训练集和测试集的皮尔森系数分别为0.937 1和0.922 1,可有效预测工务安全指数变化趋势.
文献关键词：
高速铁路;深度学习;统计分析;高速铁路工务安全指数;门控循环单元;长短期记忆神经网络
中图分类号：
作者姓名：
柴雪松;凌烈鹏;周游;王萌瑶
作者机构：
中国铁道科学研究院集团有限公司铁道建筑研究所,北京 100081;北京交通大学数学与统计学院,北京 100091
文献出处：
引用格式：
[1]柴雪松;凌烈鹏;周游;王萌瑶-.基于深度学习的高速铁路工务安全指数预测技术)[J].中国铁路,2022(12):94-98
A类：
高速铁路工务安全指数,HRPSI
B类：
预测技术,发生状况,安全评估,数数,时间序列预测模型,皮尔森系数,中门,门控循环单元,GRU,训练集,测试集,长短期记忆神经网络
AB值：
0.141096
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。
