《表2 不同模型的运行状态预警效果统计》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于CAPSO-BPNN的铁路信号运行状态预警方法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了实现铁路信号运行状态的预测，选择2016年1月～2017年2月一共14个月的铁路信号运行状态评分值作为训练样本，对2017年3月～2017年8月一共6个月的铁路信号运行状态评价分值进行滚动预测。选择第N-6～N-1次共6个月的铁路信号运行状态评分值作为BPNN的输入，第N月的铁路信号运行状态评分值作为BPNN的输出，因此，BPNN参数设置为:输入层神经元个数inputnum=6；隐含层神经元个数hiddennum=7；输出层神经元个数outputnum=1；网络学习率η=0.05；迭代次数cnt=200；误差限值?（28）10-4。CAPSO和PSO算法参数设置为:种群规模N=30；进化代数T=200；优化变量维数dim=6*7+7*1+7+1=57；控制系数k1=0.5，k2=10；惯性权重w∈[0.3，0.7]；学习因子c1=c2=2.0。CAPSO-BPNN、PSO-BPNN和BPNN三种预警模型对2017年3月～2017年8月一共6个月的铁路信号运行状态的预警结果如图4所示和表2所示。