基于数据分类的高速铁路运营事故预测方法

Authors：高宁波; 胡启洲; 张兵; 郑丽媛

Source：交通信息与安全, 2015, (01): 71-78.

• 交通安全
• 事故预测
• 数据分类
• 高速铁路
• 神经网络
• 灰色模型 Transportation safety
• Accident prediction
• Data classification
• High-speed railway
• Neural Network
• Grey Model

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...

• Institution
  自动化学院; 华东交通大学; 南京理工大学