[发明专利]一种基于长短时记忆网络的列车状态在线预测方法

权利要求书

1.一种基于长短时记忆网络的列车状态在线预测方法，其特征在于，具体按照以下步骤实施：

步骤1、列车状态监测数据预处理与归一化，所述步骤1具体如下：

数据预处理包括对列车状态监测数据进行缺失数据补全、突变点剔除操作；

数据归一化采用线性函数归一化，去掉状态监测数据的量纲，将数据限制到一定区间，使运算更为便捷，如下式：

其中，为列车状态不同时刻的监测数据，和分别为状态监测数据中的最小值和最大值，为归一化处理后的状态数据；

步骤2、列车状态监测数据选取与划分，所述步骤2具体如下：

选取列车状态历史监测数据为研究对象，对监测数据进行划分，设定前70%和后30%的历史监测数据为LSTM网络训练数据集和测试数据集，用于之后的LSTM网络模型的训练与测试；

步骤3、LSTM网络门结构设计，所述步骤3具体如下：

步骤3.1、以时刻的网络细胞为研究对象，时刻的细胞输入由时刻的隐藏层单元、时刻的细胞状态和当前时刻的列车状态数据共同组成，时刻的细胞输出为隐藏层单元和细胞状态；

步骤3.2：遗忘门决定上一时刻细胞状态中的信息传递到当前时刻中的信息量，由控制，值域为 (0,1)，其计算公式如下：

式中，为遗忘门状态，和分别为输入列车状态特征向量和隐藏层单元与遗忘门之间的权重，为遗忘门的偏差值，表示sigmoid函数，如下所示：

式中，为输入数据，通过sigmoid函数将数据映射到之间，便于后续的分析与处理；

步骤3.3：细胞输入门用来控制当前输入新生成的信息中加入到细胞状态中的信息量，由控制，值域为(0,1)，设tanh层产生当前时刻新的信息，sigmoid层控制新信息传递到细胞状态的信息量，计算公式如下：

式中，为输入门状态，为当前输入新信息，和分别为输入列车状态特征向量和隐藏层单元与输入门之间的权重，为输入门的偏差值，tanh表示激活函数，tanh函数如下所示：

式中，为输入数据，通过tanh函数将数据映射到之间，便于后续的分析与处理；

步骤3.4：基于遗忘门和输入门的输出，更新细胞状态，具体计算公式如下：

式中，为时刻细胞状态；

步骤3.5：基于更新的细胞状态，输出门采用 sigmoid层控制细胞状态信息作为隐藏状态的输出；

步骤4、LSTM网络梯度反向计算误差；

步骤5、调节网络循环次数，进行状态预测。