高速列车智能自主定位模型与在线学习算法

1 概述

1．1 高速铁路的发展

1．1．1 世界高铁发展现状

1．1．2 国内高铁发展技术简介

1．2 高速列车的发展

1．3 高速列车定位技术的发展

1．4 本书的结构

参考文献

2 高速列车运行控制系统

2．1 欧洲的高速列车控制系统

2．2 日本的高速列车控制系统

2．3 中国的高速列车控制系统

2．4 高速列车定位系统的关键技术

2．4．1 地-车信息传输

2．4．2 列车测速与定位

2．5 本章小结

参考文献

3 高速列车定位系统与关键技术

3．1 高速列车定位系统

3．2 测速定位系统

3．3 卫星定位技术

3．4 应答器定位

3．5 本章小结

参考文献

4 利用应答器数据的列车位置计算模型

4．1 CTCS-3级列控系统介绍

4．1．1 无线闭塞中心

4．1．2 铁路综合数字移动通信系统

4．1．3 车载设备

4．2 高速列车位置计算模型

4．2．1 无线消息

4．2．2 建立列车位置计算模型

4．3 数据预处理及评价指标

4．3．1 数据预处理

4．3．2 评价指标

4．4 基于速度平均法的位置计算算法

4．5 本章小结

参考文献

5 基于SVM的高速列车智能定位模型与学习算法

5．1 基于最小二乘法的位置计算算法

5．1．1 最小二乘法的创立

5．1．2 最小二乘法的原理

5．1．3 最小二乘法位置计算模型

5．2 基于支持向量机的位置计算算法

5．2．1 支持向量机简介

5．2．2 支持向量机的优点

5．2．3 支持向量回归机

5．2．4 支持向量机位置计算模型

5．3 基于最小二乘支持向量机的位置计算算法

5．3．1 最小二乘支持向量机简介

5．3．2 最小二乘支持向量机位置计算模型

5．4 在线学习策略

5．5 本章小结

参考文献

6 基于SVM的高速列车智能定位软件开发

6．1 图形用户界面GUI介绍

6．2 软件总体设计

6．3 软件模块设计

6．4 软件操作步骤

6．5 武广高铁数据集分析

6．6 本章小结

参考文献

7 基于神经网络的高速列车定位模型与学习算法

7．1 京沪高铁与数据集介绍

7．2 BP神经网络模型

7．3 RBF神经网络模型

7．4 ANFIS神经网络模型

7．5 各定位模型比较与在线学习算法

7．5．1 训练集结果分析与对比

7．5．2 验证集结果分析与对比

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

7．6 本章小结

参考文献

8 基于神经网络的高速列车定位软件开发

8．1 软件架构与总体设计

8．2 数据载入模块

8．3 数据处理模块

8．4 结果显示模块

8．5 软件应用

8．5．1 软件数据准备

8．5．2 软件操作步骤

8．6 本章小结

参考文献

9 各种智能定位模型的综合比较

9．1 6种智能定位模型的复杂度分析

9．2 无在线学习的比较

9．2．1 京沪高铁数据集的分析

9．2．2 武广高铁数据集的分析

9．2．3 郑西高铁数据集的分析

9．3 两种在线学习策略的比较

9．3．1 京沪高铁数据集在线学习方法分析

9．3．2 武广高铁数据集在线学习方法分析

9．3．3 郑西高铁数据集在线学习方法分析

9．4 本章小结

10 总结与展望

10．1 总结

10．2 展望

《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》利用武广高铁、京沪高铁和郑西高铁的大量实测数据开展研究，采用计算智能和机器学习等理论和方法，研究了基于BP、RBF、ANFIS、LSM、SVM和LSSVM的几种比较典型的高速列车定位模型，尤其是基于应答器信息的模型参数在线学习算法，以提高列车定位精度和在线学习能力。最后，开发了高速列车智能定位软件，实现了相关的定位算法，并做了大量的比较和分析。

《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》共有10章，分别为概述、高速列车运行控制系统、高速列车定位系统与关键技术、利用应答器数据的列车位置计算模型、基于SVM的高速列车智能定位模型与学习算法、基于SVM的高速列车智能定位软件开发、基于神经网络的高速列车定位模型与学习算法、基于神经网络的高速列车定位软件开发、各种智能模型的综合比较、总结与展望。