基于深度卷积生成对抗网络的高原地区铁路线路设计方法技术

本发明专利技术公开了一种基于深度卷积生成对抗网络的高原地区铁路线路设计方法，首先，构建高原地区铁路线路参数设计影响因素的初选指标体系；其次，选用GIS指标图和包含建设完成的铁路线路的高程图训练数据；以训练后的初选指标体系构建属性决策表并将数据归一化后，利用IFA‑NRSR算法对指标进行属性约简，得到优化后的指标体系；最后，将优化后的指标体系输入生成器网络结构，输出包含铁路线路的高程图；再将高程图输入判别器网络结构，输出高原地区铁路线路图。本发明专利技术提升了铁路线路设计的精确度和效率，能够学习真实环境中铁路周围的关键特征和纹理，生成与现实中铁路线路几乎一致的走向方案，为未来铁路线路设计提供一种新的参考途径。

【技术实现步骤摘要】

本专利技术属于铁路线路设计，具体涉及一种基于深度卷积生成对抗网络的高原地区铁路线路设计方法。

技术介绍

1、随着深度学习和强化学习算法的不断发展，其在铁路选线方面得到了一定的应用，如：利用深度强化学习算法对公路路线进行寻优，再通过离散化的深度q网络(dqn)算法生成线路的初始走向；利用深度确定性策略梯度算法(ddpg)开展铁路三维智能选线，实现空间中平纵断面的三维优化；利用改进型深度q网络(d3qn)进行铁路智能选线，生成具有多样化的线路方案。虽然现有的铁路线路设计算法在局部计算方面表现出色，但是在全局态势的感知和控制方面还存在不足，这是由于局部最优决策并不总能获得总体最优，在实践中可能导致出现次优或非理想的线路设计。

2、生成对抗网络(gan) 自提出以来，在多个领域表现出了显著的应用潜力。在图像和视频生成方面，gan能够创建高分辨率、逼真的图像和动态视频；在数据增强和模拟领域，尤其在医学成像和自然语言处理中，gan通过生成训练数据提高模型性能；在超分辨率技术中，gan通过学习低分辨率与高分辨率图像之间的映射关系，有效提升图像质量。

<本文档来自技高网...

【技术保护点】

1.基于深度卷积生成对抗网络的高原地区铁路线路设计方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于深度卷积生成对抗网络的高原地区铁路线路设计方法，其特征在于，步骤S3中，采用logistic混沌映射结果构建可行解作为萤火虫寻优初始解的过程中，每只萤火虫的位置代表一个特定的条件属性子集，该条件属性子集表示为一个n位的二进制数，n为萤火虫个体，通过创建一个维的零矩阵代表萤火虫种群内所有个体的位置，萤火虫种群内所有个体的位置则由对应的二进制编码表示，运用逆向编码技术将二进制编码转化为相应的属性约简集合，从而获得最终约简结果。

3.如权利要求1所述的基于深度卷...

【技术特征摘要】

1.基于深度卷积生成对抗网络的高原地区铁路线路设计方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于深度卷积生成对抗网络的高原地区铁路线路设计方法，其特征在于，步骤s3中，采用logistic混沌映射结果构建可行解作为萤火虫寻优初始解的过程中，每只萤火虫的位置代表一个特定的条件属性子集，该条件属性子集表示为一个n位的二进制数，n为萤火虫个体，通过创建一个维的零矩阵代表萤火虫种群内所有个体的位置，萤火虫种群内所有个体的位置则由对应的二进制编码表示，运用逆向编码技术将二进制编码转化为相应的属性约简集合，从而获得最终约简结果。

3.如权利要求1所述的基于深度卷积生成对抗网络的高原地区铁路线路设计方法，其特征在于，步骤s4中，所述生成器网络结构的整体架构遵循编码器-解码器结构，输入信息处理过程为：首先通过全卷...

【专利技术属性】
技术研发人员：王海涌，王中明，王艺璇，赵玉晨，王智伟，张迪，张茹，王孟琳，魏笙，
申请(专利权)人：兰州交通大学，
类型：发明
国别省市：