一种基于长短时记忆网络的列车状态在线预测方法

摘要

本发明公开了一种基于长短时记忆网络的列车状态在线预测方法，首先对列车状态监测数据预处理与归一化，完成状态监测数据的选取与划分；然后对LSTM进行网络链式结构设计，建立多层交互结构；进行LSTM网络门结构设计，得到包含输入门、遗忘门和输出门的LSTM单元结构；采用基于求解梯度的反向传播算法，更新网络权重和偏置参数；最后选取列车速度数据为研究对象，进行了列车速度预测，本发明解决了现有技术中存在的列车状态预测不准确，故障误报率高，传统估计算法运算复杂，可移植性差，离线状态预测不能掌握与控制列车实时状态，预测精度不高的问题。