典型文献
基于BP-LSTM网络的列车脱轨系数预测
文献摘要：
研究了基于误差逆传播网络(BPNN)和长短时记忆神经网络(LSTM)的组合式预测模型及其在脱轨系数预测中的应用.通过在SIMPACK多体力学仿真软件上建立的车-轨系统仿真场景,形成深度学习训练数据集.使用Python语言在TensorFlow框架上开发单项网络,基于仿真数据集,对单项预测模型BPNN和LSTM展开训练.评估单项模型的预测精度,使用加权平均法对单项模型进行组合,建立组合式脱轨系数预测模型并分析模型预测性能.结果表明,相较于单项模型,组合式预测模型能更准确地预测出脱轨系数的变化趋势.
文献关键词：
列车;脱轨系数;组合式;预测模型;误差逆传播网络;长短时记忆网络
中图分类号：
作者姓名：
张卜;刘怡伶;张文静
作者机构：
201620 上海市 上海工程技术大学 机械与汽车工程学院
文献出处：
引用格式：
[1]张卜;刘怡伶;张文静-.基于BP-LSTM网络的列车脱轨系数预测)[J].农业装备与车辆工程,2022(07):52-56
A类：
脱轨系数预测,误差逆传播网络
B类：
列车脱轨,BPNN,长短时记忆神经网络,组合式,SIMPACK,多体,力学仿真,系统仿真,仿真场景,学习训练,训练数据集,Python,TensorFlow,架上,发单,仿真数据,单项预测模型,开训,估单,加权平均法,预测性能,预测出,出脱,长短时记忆网络
AB值：
0.28876
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。
