《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》
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。
图表编号 | XD0039907200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.01 |
作者 | 喻喜平 |
绘制单位 | 武汉铁路职业技术学院 |
更多格式 | 高清、无水印(增值服务) |