高速列车智能自主定位模型与在线学习算法 基于应答器实测数据的机器学习PDF|Epub|txt|kindle电子书版本网盘下载

高速列车智能自主定位模型与在线学习算法 基于应答器实测数据的机器学习PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

1 概述1

1.1 高速铁路的发展1

1.1.1 世界高铁发展现状1

1.1.2 国内高铁发展技术简介1

1.2 高速列车的发展5

1.3 高速列车定位技术的发展9

1.4 本书的结构10

参考文献11

2 高速列车运行控制系统12

2.1 欧洲的高速列车控制系统12

2.2 日本的高速列车控制系统14

2.3 中国的高速列车控制系统16

2.4 高速列车定位系统的关键技术18

2.4.1 地-车信息传输18

2.4.2 列车测速与定位20

2.5 本章小结23

参考文献23

3 高速列车定位系统与关键技术25

3.1 高速列车定位系统25

3.2 测速定位系统26

3.3 卫星定位技术29

3.4 应答器定位31

3.5 本章小结32

参考文献33

4 利用应答器数据的列车位置计算模型34

4.1 CTCS-3级列控系统介绍34

4.1.1 无线闭塞中心35

4.1.2 铁路综合数字移动通信系统38

4.1.3 车载设备39

4.2 高速列车位置计算模型42

4.2.1 无线消息42

4.2.2 建立列车位置计算模型43

4.3 数据预处理及评价指标46

4.3.1 数据预处理46

4.3.2 评价指标47

4.4 基于速度平均法的位置计算算法48

4.5 本章小结49

参考文献49

5 基于SVM的高速列车智能定位模型与学习算法51

5.1 基于最小二乘法的位置计算算法51

5.1.1 最小二乘法的创立51

5.1.2 最小二乘法的原理53

5.1.3 最小二乘法位置计算模型54

5.2 基于支持向量机的位置计算算法55

5.2.1 支持向量机简介55

5.2.2 支持向量机的优点56

5.2.3 支持向量回归机56

5.2.4 支持向量机位置计算模型61

5.3 基于最小二乘支持向量机的位置计算算法62

5.3.1 最小二乘支持向量机简介62

5.3.2 最小二乘支持向量机位置计算模型65

5.4 在线学习策略66

5.5 本章小结68

参考文献68

6 基于SVM的高速列车智能定位软件开发70

6.1 图形用户界面GUI介绍70

6.2 软件总体设计71

6.3 软件模块设计71

6.4 软件操作步骤73

6.5 武广高铁数据集分析79

6.6 本章小结83

参考文献83

7 基于神经网络的高速列车定位模型与学习算法84

7.1 京沪高铁与数据集介绍84

7.2 BP神经网络模型86

7.3 RBF神经网络模型88

7.4 ANFIS神经网络模型90

7.5 各定位模型比较与在线学习算法91

7.5.1 训练集结果分析与对比91

7.5.2 验证集结果分析与对比93

7.5.3 验证集参数在线学习方法与非在线学习方法分析与对比95

7.6 本章小结99

参考文献99

8 基于神经网络的高速列车定位软件开发101

8.1 软件架构与总体设计102

8.2 数据载入模块102

8.3 数据处理模块102

8.4 结果显示模块102

8.5 软件应用103

8.5.1 软件数据准备103

8.5.2 软件操作步骤104

8.6 本章小结110

参考文献111

9 各种智能定位模型的综合比较112

9.1 6种智能定位模型的复杂度分析112

9.2 无在线学习的比较112

9.2.1 京沪高铁数据集的分析112

9.2.2 武广高铁数据集的分析119

9.2.3 郑西高铁数据集的分析125

9.3 两种在线学习策略的比较132

9.3.1 京沪高铁数据集在线学习方法分析132

9.3.2 武广高铁数据集在线学习方法分析135

9.3.3 郑西高铁数据集在线学习方法分析138

9.4 本章小结140

10 总结与展望141

10.1 总结141

10.2 展望141