高速铁路供电专业安全指数反映了高铁供电故障与事故的发生趋势,对其进行规律验证与预测对于高速铁路现场供电专业安全的综合评估与预警具有非常重要的现实意义。基于高铁十周年供电安全指数数据,提出了一种时间序列深度学习预测模型。...高速铁路供电专业安全指数反映了高铁供电故障与事故的发生趋势,对其进行规律验证与预测对于高速铁路现场供电专业安全的综合评估与预警具有非常重要的现实意义。基于高铁十周年供电安全指数数据,提出了一种时间序列深度学习预测模型。该模型结合了时间序列统计建模与深度学习方法。首先利用ARIMA(autoregressive integrated moving average model)方法对安全指数时序数据进行建模,通过引入季节性特征变量,提高模型的修正拟合优度,验证了供电安全指数的季节性规律;然后利用深度学习门控递归单元神经网络对供电安全指数进行预测;最后利用皮尔森系数评价预测模型的有效性。结果表明,利用门控递归单元对供电安全指数的预测值在训练集和测试集上的皮尔森系数分别达到0.71和0.74,可有效拟合安全指数变化趋势。展开更多
文摘高速铁路供电专业安全指数反映了高铁供电故障与事故的发生趋势,对其进行规律验证与预测对于高速铁路现场供电专业安全的综合评估与预警具有非常重要的现实意义。基于高铁十周年供电安全指数数据,提出了一种时间序列深度学习预测模型。该模型结合了时间序列统计建模与深度学习方法。首先利用ARIMA(autoregressive integrated moving average model)方法对安全指数时序数据进行建模,通过引入季节性特征变量,提高模型的修正拟合优度,验证了供电安全指数的季节性规律;然后利用深度学习门控递归单元神经网络对供电安全指数进行预测;最后利用皮尔森系数评价预测模型的有效性。结果表明,利用门控递归单元对供电安全指数的预测值在训练集和测试集上的皮尔森系数分别达到0.71和0.74,可有效拟合安全指数变化趋势。
