[发明专利]基于Hadoop平台的BP神经网络的地铁信号系统故障预测方法

摘要

本发明提供一种基于Hadoop平台的BP神经网络的地铁信号系统故障预测方法，包括以下步骤：提取微机监控系统中地铁信号系统的历史数据，利用Hadoop平台分割数据，再将每一部分进行BP神经网络递归，并以此求出神经网络各节点的权值与阈值；将数据输入BP神经网络，根据现有的信息完成预测。

主权项

1.一种基于Hadoop平台的BP神经网络的地铁信号系统故障预测方法，其特征在于，包括以下步骤：步骤1、对存储于微机监控系统中的轨道电路数据进行提取并储存到Hadoop平台中；步骤2、由Hadoop从每个文件中提取出相应的设备状态数据，整合并按日期存储在HDFS中；步骤3、对损坏数据进行识别和修复，采用的方法为根据时间节点在数据库中寻找与其相似的节点来进行填补；步骤4、进行神经网络训练，根据轨道电路反馈数据的特征选取三层神经网络，根据不同的设备确定输入节点个数，根据经验公式选择隐含层节点、节点阀值和权值；采用传统神经网络赋值方法为随机数；步骤5、选取最大迭代次数为1000次，最小误差为0.001，并采用Widrow‑Hoff学习规则进行反向训练；步骤6、利用Hadoop平台将原始数据和神经网络算法切割为一些小的数据按键值对的方式传送给5个节点，在同一时刻进行BP神经网络训练，并规定每次迭代次数为100次；步骤7、将各个节点通过迭代所产生的节点阀值和均值作为输入，并求平均值再重新分配给各个节点，以加快训练速度。步骤8、在完成训练后，提取当前状态设备信息，将待预测数据和集中在主节点中的神经节点阀值和权值传输给一个新的节点，最终节点产生的结果与真实数据相比较并验证其准确率。