科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对上海地铁所使用的自发电式列车轴箱温度感知及预警系统中样本数据非等距及高精度预测问题，通过对采样数据特征分析，利用K均值聚类及分段三次Hermite插值法，实现了样本数据的等距化；搭建LSTM-BPNN-SVR预测模型强化了对样本数据特征信息的提取，实现了对地铁车辆轴箱温度高精度预测的目的。通过与实测数据进行对比，该模型预测精度可达到99.15%，验证了该方法的有效性；通过与其他六种常规模型的预测结果对比，LSTM-BPNN-SVR预测模型具有更高的预测性能。
-
单位上海地铁维护保障有限公司
