一种基于PyTorch搭建神经网络算法的列车牵引电机温度预测方法

摘要

本发明涉及列车设备技术领域，具体是一种基于PyTorch搭建神经网络算法的列车牵引电机温度预测方法，包括以下步骤：S1.数据检测：选取多个列车，并将检测设备安装在列车，从而检测列车上牵引电机日常温度变化，而后再将信息汇总编入储存库；S2.数据预处理：S2.1数据重采样：对上一步骤中采集的信息进行重采样，每隔60个点取一个温度值，从而得到一个以分为时间间隔的新数据，同时采用nearest方法进行采样，从而用缺失数据的最近一条数据进行补齐。本发明的有益效果每隔一个时间段取一个温度值，可以增大预测的前置时间，使得温度变化趋势较为明显，由窗口特征、时间特征选择筛分数据可以提高数据信息的准确度，从而提高该方法模型预测的精度。