基于Pearson系数与BP神经网络的编组站空车调配分类研究

为降低铁路空车调配的扣车率,在详细分析空重车流组织过程的基础上,提出在编组站对空车调配进行源头分类的对策。首先通过货运部门扣车检查项点筛选出厂修时长等评估指标,创建基于扣车标准的评价指标体系,其次利用Pearson相关性系数分析了评估指标的非线性特征,最后使用BP神经网络方法研究了空车扣车分类。结果表明:单隐层BP神经网络空车调配识别率达到0.8750;双隐层BP神经网络空车调配识别率达到0.8906。可见在编组站源头进行空车调配分类对减少货运、车辆、调度等部门的工作量,提升编组站空车调配区域内的车流组织效率都有较为积极的影响。