基于机器学习的地铁列车牵引能耗预测研究

作者：吕欢欢; 张玉召^*

来源：铁道科学与工程学报, 2019, 16(07): 1833-1841.

DOI：10.19713/j.cnki.43-1423/u.2019.07.030

• 城市轨道交通
• 牵引能耗预测
• 支持向量回归
• 随机森林回归
• 能耗影响因素

针对城市轨道交通运营管理过程中,准确预测列车牵引能耗有利于合理编制运营组织模式和评价用能效率。针对影响列车牵引能耗的因素繁多,传统的数学回归方法难以保证预测效果的问题,提出基于机器学习的牵引能耗预测方法,运用支持向量回归(SVR)和随机森林回归(RFR)2种机器学习方法建立列车牵引能耗预测模型。选取影响能耗的6种可变因素,分别从单个可变因素和多个可变因素对地铁能耗的影响进行分析;遍历寻求最优参数组合;利用RFR模型对地铁牵引能耗的影响因素进行重要度的排序,使影响因素的重要度得以量化描述;以北京地铁昌平线真实运行能耗数据为例进行验证,研究结果表明:SVR与RFR都表现稳定并能达到较高的预测精度。

• 单位
  兰州交通大学; 交通运输学院