CN119476646A 基于分位数回归的不确定性列车到达晚点预测方法及应用 （中国铁道科学研究院集团有限公司通信信号研究所）

基于分位数回归的不确定性列车到达晚点一种基于分位数回归的不确定性列车到达Transformer结合的神经网络进行列车历史信息22.根据权利要求1所述的基于分位数回归的不确定性列车到达晚点预测方法，其特征率较大的相关车次和办理乘客作业较多的站点作为晚点步骤S130：进行数据预处理，筛选列车历史数据，3.根据权利要求1所述的基于分位数回归的不确定性列车到达晚点预测方法，其特征Transformer构建神经网络模型用于列车晚点区间预测的主体结构，提取列车运行信息终4.根据权利要求1所述的基于分位数回归的不确定性列车到达晚点预测方法，其特征5.根据权利要求1所述的基于分位数回归的不确定性列车到达晚点预测方法，其特征6.根据权利要求2所述的基于分位数回归的不确定性列车到达晚点预测方法，其特征站发生晚点的数据，同时删除只有某一站产生了突发晚点同时对包括数据进行均值标准37.根据权利要求3所述的基于分位数回归的不确定性列车到达晚点预测方法，其特征所述CNN用于提取列车运行数据中与晚点相关的主要特征信息，通过多层卷积网络和8.根据权利要求3所述的基于分位数回归的不确定性列车到达晚点预测方法，其特征所述Transformer处理数据包括以下位置编码：首先通过位置编码来加入输入序列的位置信息；其中，表示第pos位置的编码向量中，维度2i的值；表示第是位置编码的总维度；和,转换成三个新的向4其中，gy表示第i个查询向量与第j个键向量的注意力权重；o,是位置i通过加权组合所有位置信息得到的输出表示，每个位置可以根据与多头自注意力机制：为了能够从多个角度同时关Attention是自注意力机制的计算函数；该函数使用查询向量和键向量计算相似度5前馈神经网络：每个注意力层后都有一个位置独立的前馈网残差连接与层归一化：每个注意力层和前馈网络之后都有残差连接9.一种非易失性存储介质，其特征在于，所述6基于分位数回归的不确定性列车到达晚点预测方法及应用生频率较大的相关车次和办理乘客作业较多的站点作为7生频率较大的相关车次和办理乘客作业较多的站点作为8σ[0028]CNN用于提取列车运行数据中与晚点相关的主要特征信息，通过多层卷积网络和其中，和分别是第i+1层和第i的特征图，是第i层卷积核的权重矩i层卷积核的偏置矩阵。[0029]Transformer通过自注意力机制来获取输入数据中的全局依赖关系，特别是在长d,是位置编码的总维度。9j个键向量的注意力权重。通过前馈网络可以将注意力层的输出特征进一步映射到高维空间，学习更复杂的晚点模[0051]5、残差连接与层归一化：每个注意力层和前馈网络之后都有残差连接和层归一量(num_samples,time_steps,num_features)，其中num_samples是每个批次的样本数量；j成为第10百分位数，这意味着真实值y有10%的概率小于等于预测值jj,生频率较大的相关车次和办理乘客作业较多的站点作为随机抽取15%得到255个样本作为测试集，另外85%的数据共1445个样本用作训练集和验证[0082]综上所述，本发明提出