-
题名基于卷积神经网络的铁路故障持续时间预测方法研究
- 1
-
-
作者
朱月皓
孟令云
廖正文
王先枢
田海宁
-
机构
北京交通大学交通运输学院
中国铁路沈阳局集团有限公司
-
出处
《铁路计算机应用》
2023年第12期13-17,共5页
-
基金
中国国家铁路集团有限公司科技研究开发计划重点课题(N2022X018)。
-
文摘
随着铁路网络复杂程度的不断提高,铁路运营部门调度难度日益增加,亟须研究精准预测铁路故障持续时间的方法,从而提高铁路调度系统应对各类风险和事故的能力。文章基于“安监报1”的文本数据,结合Jieba分词、Word2vec词向量模型等自然语言处理技术,构建了一种基于卷积神经网络(CNN,Convolutional Neural Network)的铁路故障持续时间预测模型,并基于中国铁路沈阳局集团有限公司的实际生成数据进行试验。试验结果表明,本预测模型能够较为快速、准确地获取铁路故障持续时间及其概率分布,为列车的运行调整提供参考。
-
关键词
铁路故障持续时间
自然语言处理
卷积神经网络(CNN)
Word2vec
安监报1
-
Keywords
railway accident duration
natural language processing
CNN(Convolutional Neural Networks)
Word2vec
overview of railway traffic accidents 1
-
分类号
U292
[交通运输工程—交通运输规划与管理]
-