期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于BIRCH-LKD的在站车辆中时异常检测算法
被引量：
1
1
作者
张晓栋
董宝田
陈光伟
《北京理工大学学报》
EI
CAS
CSCD
北大核心
2017年第11期1122-1128,共7页
针对铁路车辆在站中转作业异常较多的情况,提出基于BIRCH-LKD的在站车辆中时异常检测算法.该算法以车辆中时序列为研究对象,不考虑异常值的具体形式,对序列分组,引入中时序列特征向量,做类球形簇转化;采用基于划分的显性异常检测方法得...
针对铁路车辆在站中转作业异常较多的情况,提出基于BIRCH-LKD的在站车辆中时异常检测算法.该算法以车辆中时序列为研究对象,不考虑异常值的具体形式,对序列分组,引入中时序列特征向量,做类球形簇转化;采用基于划分的显性异常检测方法得到中时序列特征向量的聚类特征树,查找序列显性异常,缩小异常检测范围;利用隐性异常检测算法计算剩余数据对象的K距离,根据距离差值变化规律,筛选序列隐性异常;最后,利用中时序列中位数异常判定条件,排除下界异常,实现中时序列的异常检测.实验结果表明,该算法检出率高,能够快速识别中时序列异常值,有效率达85%以上,去除异常值后的中时序列符合实际情况的趋势且更加平稳.
展开更多
关键词
车辆中时
异常检测
BIRCH聚类算法
K距离
时
间序列
在线阅读
下载PDF
职称材料
基于类别映射的编组站车辆中时预测模型
2
作者
张晓栋
董宝田
王跃
《北京交通大学学报》
CAS
CSCD
北大核心
2017年第6期69-75,共7页
现行铁路编组站车辆中时预测方法不能满足实际运输组织需求,结合车辆中时数据平稳性特点,设计基于类别映射的货种与车种映射函数,充分考虑车种别、货种别车辆中转作业差异,重新生成车辆中时序列.采用时间序列分析方法分析中时序列,提出...
现行铁路编组站车辆中时预测方法不能满足实际运输组织需求,结合车辆中时数据平稳性特点,设计基于类别映射的货种与车种映射函数,充分考虑车种别、货种别车辆中转作业差异,重新生成车辆中时序列.采用时间序列分析方法分析中时序列,提出新的编组站车辆中时预测模型,并采用极大似然估计法对参数进行估计并求解模型.实验结果表明,该方法能够较准确预测编组站车辆中时,符合实际中时发展趋势,提高了铁路车流预测的准确性.
展开更多
关键词
铁路运输
预测模型
时
间序列分析
车辆中时
映射函数
ARMA模型
在线阅读
下载PDF
职称材料
题名
基于BIRCH-LKD的在站车辆中时异常检测算法
被引量：
1
1
作者
张晓栋
董宝田
陈光伟
机构
北京交通大学交通运输学院
中国铁路总公司中国铁路总公司信息技术中心
出处
《北京理工大学学报》
EI
CAS
CSCD
北大核心
2017年第11期1122-1128,共7页
基金
中国铁路总公司(省部级)科技研究开发计划课题(2014X009-A)
文摘
针对铁路车辆在站中转作业异常较多的情况,提出基于BIRCH-LKD的在站车辆中时异常检测算法.该算法以车辆中时序列为研究对象,不考虑异常值的具体形式,对序列分组,引入中时序列特征向量,做类球形簇转化;采用基于划分的显性异常检测方法得到中时序列特征向量的聚类特征树,查找序列显性异常,缩小异常检测范围;利用隐性异常检测算法计算剩余数据对象的K距离,根据距离差值变化规律,筛选序列隐性异常;最后,利用中时序列中位数异常判定条件,排除下界异常,实现中时序列的异常检测.实验结果表明,该算法检出率高,能够快速识别中时序列异常值,有效率达85%以上,去除异常值后的中时序列符合实际情况的趋势且更加平稳.
关键词
车辆中时
异常检测
BIRCH聚类算法
K距离
时
间序列
Keywords
wagon operation time（WOT）
anomaly detection
BIRCH clustering
K-distance
time series
分类号
U292.16 [交通运输工程—交通运输规划与管理]
在线阅读
下载PDF
职称材料
题名
基于类别映射的编组站车辆中时预测模型
2
作者
张晓栋
董宝田
王跃
机构
北京交通大学交通运输学院
北京铁路局丰台西站
出处
《北京交通大学学报》
CAS
CSCD
北大核心
2017年第6期69-75,共7页
基金
中国铁路总公司科技研究开发计划课题(2014X009-A)~~
文摘
现行铁路编组站车辆中时预测方法不能满足实际运输组织需求,结合车辆中时数据平稳性特点,设计基于类别映射的货种与车种映射函数,充分考虑车种别、货种别车辆中转作业差异,重新生成车辆中时序列.采用时间序列分析方法分析中时序列,提出新的编组站车辆中时预测模型,并采用极大似然估计法对参数进行估计并求解模型.实验结果表明,该方法能够较准确预测编组站车辆中时,符合实际中时发展趋势,提高了铁路车流预测的准确性.
关键词
铁路运输
预测模型
时
间序列分析
车辆中时
映射函数
ARMA模型
Keywords
railway transportation
forecast model
time series analysis
wagon operation time
mapping function
ARMA model
分类号
U294.1 [交通运输工程—交通运输规划与管理]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于BIRCH-LKD的在站车辆中时异常检测算法
张晓栋
董宝田
陈光伟
《北京理工大学学报》
EI
CAS
CSCD
北大核心
2017
1
在线阅读
下载PDF
职称材料
2
基于类别映射的编组站车辆中时预测模型
张晓栋
董宝田
王跃
《北京交通大学学报》
CAS
CSCD
北大核心
2017
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
