基于数据分类的高速铁路运营事故预测方法

• 作者: 张兵 胡启洲 郑丽媛 高宁波
• 来源期刊: 交通信息与安全
• 学科: 工学
• 关键词: 交通安全 事故预测 数据分类 高速铁路 神经网络 灰色模型
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 交通安全
• 页码范围: 71-78
• 页数: 8页
• 分类号: X913.3
• 字数: 7194字
• 语种: 中文
• DOI: 10.3963/j.issn1674-4861.2015.01.012

摘要

高速铁路运营事故预测方法是度量铁路安全管理水平的重要指标.为提高高速铁路的安全运营水平,引入工业数据分类方法,分析反向传播(BP)神经网络和灰色模型在高速铁路安全运营事故预测过程中的适应性.首先,运用事故次数、事故联动系数、月均事故率3个参数对高速铁路安全运营水平进行度量;然后,根据工业数据分类方法判别高速铁路运营事故数据属于块状型,据此建立反向传播(BP)神经网络运营事故预测模型;针对运营事故数据具有波动大的特点,利用均值聚类方法建立K-GM(1,3)预测模型.以近年来高速铁路运营事故数据为样本对模型进行训练和分析,结果表明:BP神经网络、K-GM(1,3)、GM(1,3)预测模型的预测误差分别为8.92％,13.68％,345.25％,BP神经网络在高速铁路安全运营事故预测过程中的适应性要优于灰度模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张兵	华东交通大学土木建筑学院	33	183	8.0	12.0
2	胡启洲	南京理工大学自动化学院	23	164	7.0	12.0
3	高宁波	南京理工大学自动化学院	8	46	5.0	6.0
4	郑丽媛	南京理工大学自动化学院	6	36	4.0	6.0