【技术实现步骤摘要】
混合神经网络和AR模型的高速铁路信号系统流量预测方法
本专利技术涉及高速铁路信号系统
，尤其涉及一种混合神经网络和AR模型的高速铁路信号系统流量预测方法。
技术介绍
BP(BackPropagation)网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构：包括输入层(input)、隐层(hidelayer)和输出层(outputlayer)。AR模型是一种线性预测，即已知N个数据，可由模型推出第N点前面或后面的数据(设推出P点)。在中国高速铁路系统中，信号系统处于整个铁路系统最核心的地位，是铁路系统的神经中枢，它可以保证系统安全高效的运行。由于其特殊的地位，其对安全性的要求极高。虽然它处于一个封闭的网络内，能一定程度上防止网络病毒的传播或者外界网络...
【技术保护点】
1.一种混合神经网络和AR模型的高速铁路信号系统流量预测方法，其特征在于，该方法包括：步骤1：选定无线闭塞中心RBC为进行信息安全风险评估的高速铁路信号系统子系统；步骤2：获取所述无线闭塞中心RBC与其他子系统的历史流量；步骤3：将所述无线闭塞中心RBC与其他子系统的历史流量信息作为时序数据yt，将所述时序数据yt划分为：线性自相关结构Lt与非线性结构Nt；步骤4：采用AR模型对所述时序数据yt进行预测，得到AR模型预测结果；步骤5：采用BP神经网络模型，对所述时序数据yt与所述AR模型预测结果的残差序列{et}进行预测，得到BP神经网络模型预测结果；步骤6：根据所述AR模...
【技术特征摘要】
1.一种混合神经网络和AR模型的高速铁路信号系统流量预测方法，其特征在于，该方法包括：步骤1：选定无线闭塞中心RBC为进行信息安全风险评估的高速铁路信号系统子系统；步骤2：获取所述无线闭塞中心RBC与其他子系统的历史流量；步骤3：将所述无线闭塞中心RBC与其他子系统的历史流量信息作为时序数据yt，将所述时序数据yt划分为：线性自相关结构Lt与非线性结构Nt；步骤4：采用AR模型对所述时序数据yt进行预测，得到AR模型预测结果；步骤5：采用BP神经网络模型，对所述时序数据yt与所述AR模型预测结果的残差序列{et}进行预测，得到BP神经网络模型预测结果；步骤6：根据所述AR模型预测结果和所述BP神经网络模型预测结果，进行组合预测，得到高速铁路信号系统流量的预测结果。2.根据权利要求1所述的混合神经网络和AR模型的高速铁路信号系统流量预测方法，其特征在于，所述的获取无线闭塞中心RBC与其他子系统的历史流量，包括：其他子系统包括：临时限速服务器TSRS、计算机联锁子系统CBI、调度集中系统CTC和相邻无线闭塞中心NRBC。3.根据权利要求1所述的混合神经网络和AR模型的高速铁路信号系统流量预测方法，其特征在于，所述的将所述无线闭塞中心RBC与其他子系统的历史流量信息作为时序数据yt，将所述时序数据yt划分为：线性自相关结构Lt与非线性结构Nt，包括：所述线性自相关结构Lt与所述非线性结构Nt满足以下关系：yt＝Lt+Nt。(1)4.根据权利要求1所述的混合神经网络和AR模型的高速铁路信号系统流量预测方法，其特征在于，所述的采用AR模型对所述时序数据yt进行预测，得到AR模型预测结果，包括：采用AR模型对所述时序数据yt进行预测的步骤为：步骤4.1：引入函数f(k)，所述函数f(k)取得的最小值点作为AR模...
【专利技术属性】
技术研发人员：蔡伯根，王剑，董宁，王锋，田开元，廖元媛，
申请(专利权)人：中国铁路总公司，北京交通大学，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。