[发明专利]基于特征选择和机器学习的轨道机车节能优化操纵方法

权利要求书

1.一种基于特征选择和机器学习的轨道机车节能优化操纵方法，其特征在于具体包括以下步骤：

步骤1、完成数据的收集与预处理，得到标准的数据集，为后续步骤准备数据的输入，此步骤分为数据的收集和预处理两个步骤，数据收集是从机车上相关的监控记录设备上获取原始数据，数据的预处理是针对从记录仪器上获取的原始数据进行数据的预处理，将预处理之后的数据集结果存储在文本文件中，预处理之后得到供后续步骤使用的标准数据集；

步骤1.1、从机车上相关的记录设备上获取原始数据；

其中：原始数据是指从轨道机车的监控记录设备上收集相关的日志数据；原始数据的收集过程中会选取较为节油的机车操纵日志数据，节油的评估指标为油耗，评估的数据来自于机车油耗记录设备或铁路局统计的油耗，根据线路信息和机车信息的不同，选取相同机车信息相同线路下油耗最小的若干条数据作为原始数据；

步骤1.2、将步骤1.1中得到的原始数据进行数据预处理操作，步骤1.1中得到的原始数据包含运行的线路数据和机车操纵日志数据，分别对两类数据进行预处理操作，处理后得到标准的数据集；

数据集一共分为四类：

第一类数据：用于训练速度变化组合预测模型的数据集，这一部分会将速度变化组合作为每一个数据项的最后一列的类别标签；

第二类数据：用于训练速度变化组合中某种速度变化区间所占坡段长度比例模型的数据集，这部分数据集除了包含与第一类数据相同的特性信息外，还会将速度变化组合以及前后坡段的速度变化组合作为特征，并会针对速度变化组合内的每种速度变化计算速度变化区间所占坡段长度比例作为每一个数据项最后一列的标签；

第三类数据：用于训练档位组合预测模型的数据集，这部分数据集除了包含与第二类数据相同的特征信息外，还会将速度变化组合内的每种速度变化的距离占比作为特征，这一类数据以档位变化组合作为每一个数据项最后一列的类别标签；

第四类数据：用于训练档位组合中某种档位区间所占速度变化区间长度比例模型的数据集，这部分数据集除了包含与第三类数据相同的特性信息外，还会将档位变化组合以及前后速度变化区间段的档位变化组合作为特征，并会针对档位变化组合内的每种档位计算档位区间所占速度变化区间长度比例作为每一个数据项最后一列的标签；

步骤2、利用特征选择的算法对步骤1中的预处理之后的数据集进行特征的选择，将无效特征和噪声特征去除，得到数据集的最佳特征列表，并将经过特征选择之后的数据集重新保存为新的标准数据集，存储在文本文件中；

步骤3、利用步骤2中特征选择后新的标准数据集，分别对速度变化模式预测模型及档位变化模式预测模型进行训练；速度变化模式预测模型训练需要先进行速度变化组合预测模型的训练，然后进行速度变化组合中某种速度变化区间所占坡段长度比例模型的训练；档位变化模式预测模型的训练需要先进行档位变化组合预测模型的训练，然后进行档位组合中某种档位区间所占速度变化区间长度比例模型的训练；速度变化模式预测模型训练和档位变化模式预测模型训练都分别使用了分类机器学习算法和回归机器学习算法；

步骤3.1、利用步骤2中产生的第一类新的标准数据集进行速度变化组合预测模型的训练；

步骤3.2、利用步骤2中产生的第二类新的标准数据集进行速度变化组合中某种速度变化区间所占坡段长度比例模型的训练；

步骤3.3、利用步骤2中产生的第三类新的标准数据进行档位变化组合预测模型的训练；

步骤3.4、利用步骤3中产生的第四类新的标准数据进行档位组合中某种档位区间所占速度变化区间长度比例模型的训练；

步骤4、进行分类预测，当有新的数据需要进行预测时，首先将数据根据步骤1进行处理，其次将数据的特征按照步骤2中最佳特征列表进行处理，然后分别利用步骤3中得到的速度变化模式预测模型和档位变化模式预测模型对速度变化模式和档位变化模式进行预测，最终得到完整的档位操作序列。