[发明专利]一种区间神经网络的高速列车噪声预测方法

摘要

一种区间神经网络的高速列车噪声预测方法，利用广义区间理论处理获取的影响高速列车噪声参数的不确定性问题，由区间神经网络模型对高速列车运行噪声进行准确预测。所述方法步骤包括（1）选取影响高速列车噪声参数、（2）获取影响噪声参数历史数据、（3）数据预处理、（4）预处理数据区间化、（5）构建初始区间神经网络模型、（6）训练初始区间神经网络模型和（7）高速列车噪声预测。本发明采用广义区间方法处理高速列车影响噪声参数中的不确定性问题，并利用区间神经网络模型预测方法对高速列车运行噪声进行预测，提高了噪声预测结果的可靠性。

主权项

1.一种区间神经网络的高速列车噪声预测方法，包括选取影响高速列车噪声参数和获取影响噪声参数值；其特征在于，所述方法还包括以下步骤：(1)数据预处理将测量获取的高速列车行驶速度x₁、被测点与轮轨中心相对位置x₂及空气风速x₃归一化处理，归一化处理方法为：其中i＝1,2,3，min(x_i)为x_i中最小值，max(x_i)为x_i中最大值；从而得到归一化的高速列车行驶速度x′₁、被测点与轮轨中心相对位置x'₂及空气风速x'₃；将图像识别仪获取的高速列车车型CHR1、CHR2、CHR3及CHR5分别用数值1、2、3及5进行量化表示；(2)预处理数据区间化将预处理数据转换为广义区间形式；其中，将归一化的高速列车行驶速度x′₁转换成广义区间形式将归一化的被测点与轮轨中心相对位置x'₂转换成广义区间形式将归一化的空气风速x'₃转换成广义区间形式将高速列车车型CHR1、CHR2、CHR3及CHR5分别表述为广义区间形式：[1,1]、[2,2]、[3,3]及[5,5]；将声级计获取的噪声y转换为其中，广义区间x的数学定义为：即广义区间x通过一对下界实数x和上界实数来表述，表示广义闭区间的实数集合，式中的x不受的任何约束；(3)构建初始区间神经网络模型将区间化了的影响噪声参数值作为区间神经网络的输入；与输入向量对应的噪声作为区间神经网络的输出；区间神经网络中输入层和隐含层使用正切S型传递函数，输出层采用线性传递函数；隐层个数由确定，其中：n₁为隐含层神经元数，m为输出层神经元数，n为输入层神经元数，a∈[1,10]，从而构成初始的区间神经网络模型；(4)训练初始区间神经网络模型将区间化了的影响噪声参数值作为训练样本，代入初始区间神经网络模型中，采用梯度下降迭代方法，训练初始区间神经网络模型，直到初始区间神经网络模型优化为止；其中，区间神经网络模型是对传统神经网络模型在广义区间涵义上的延拓，其将传统神经网络的参数依据广义区间理论，转换为了广义区间参数形式；(5)高速列车噪声预测依据步骤(1)及步骤(2)相同的过程，处理需要测试的影响噪声参数样本，从而得到影响噪声参数值的区间测试样本，将区间测试样本输入优化的区间神经网络模型中，计算模型输出结果，同时采用区间重心法则计算出精确值输出结果，即为高速列车噪声预测结果。