文章摘要:铁路主要技术标准是铁路全生命周期最重要的先决技术决策之一。传统的基于经验驱动的决策方法工作量大、周期长、严重依赖设计者的经验水平、可能遗漏有价值的方案。而主要技术标准优选的关键在于揭示多维环境因素与主要技术标准值之间的潜在映射关系。受深度学习在规律特征识别方面成功应用的启发,提出基于并行多任务深度学习的铁路主要技术标准优选方法:将影响技术标准决策的多维环境因素为输入,主要技术标准值为输出,构建深度学习模型发掘规律;提出将地形转换为图像,再卷积提取特征,并与运量、路网中的作用等数据融合的方法,解决多模态混合输入学习样本的生成难题;针对各标准之间相互关联问题,建立了适于主要技术标准优选的多任务神经网络结构,并通过大量实验,确定了卷积层、卷积核、全连接层等主要结构参数。经5 736 km既有线路实例验证,主要技术标准决策的平均准确率可达88%以上。
文章关键词:主要技术标准,深度学习,卷积神经网络,优选,
论文作者:袁文辉 蒲浩 王光辉 李伟 张文初
作者单位:中南大学土木工程学院 高速铁路建造技术国家工程实验室 长沙交通投资控股集团有限公司
论文DOI: 10.19713/j.cnki.43-1423/u.T20210558
论文分类号: U212
相似文献:新建松江河——长白铁路主要技术标准的研究.....作者:郭俊清,张耕宁,刊载期刊:《铁道运输与经济》中俄高速铁路路基主要技术标准对比研究.....作者:王心同,王连俊,刊载期刊:《铁道标准设计》基于卷积长短时记忆神经网络的城市轨道交通短时客流预测.....作者:王秋雯,陈彦如,刘媛春,刊载期刊:《控制与决策》
文章来源:高速铁路技术 网址: http://gstljs.400nongye.com/lunwen/itemid-97859.shtml
上一篇: 铁路运输论文_基于威胁分析的高速铁路信号系统风险评估方法
下一篇: 机械工业论文_深度残差网络在滚动轴承故障诊断中的研究