科研之友
微信
新浪微博
Facebook
分享链接
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Tensor Flow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。
- 单位
