基于Lasso与神经网络方法的列车停车精度分析

摘要：

　　利用数据挖掘智能分析技术中的神经网络、回归方法对实际运营的地铁ATO运行数据进行分析，并建立停车精度的模型对如制动模型的数据、网压、车重等因素进行分析。采用Lasso方法、BP网络、RBF神经网络方法分别对样本进行停车精度分析，并通过验证数据对其效果进行验证。获得了与停车精度相关度较高的4个参数，并且通过模型的计算得到这4个相关参数的最佳输出值，为改进列车停车精度提供了依据。相对于列表或者画图分析方法，利用数据挖掘技术分析列车停车精度的方法可以找出数据潜在的规律，为高效利用大量数据带来了极大的便利。

关键词： 列车运行 停车精度 数据挖掘技术 神经网络法 Lasso回归法

作者: CHEN De-wang 陈德旺 LUO Shu-lin 骆书林 CHEN Rong 陈荣

作者单位: State Key Laboratory of Rail Traffic Control and Safety, Beijing Jiaotong University, Beijing 100044 北京交通大学轨道交通控制与安全国家重点实验室 北京100044

会议类型: 国内会议

会议名称: 第十二届中国Rough集与软计算学术会议、第六届中国Web智能学术研讨会及第六届中国粒计算学术研讨会联合学术会议

会议地点: 合肥

会议语种:中文

页码: 133-138

在线出版日期: 2012-10-13（万方平台首次上网日期，不代表论文的发表时间）