公开(公告)号：CN118070002B

公开(公告)日：2025-01-21

申请号：CN202410328198.X

申请日：2024-03-21

Applicant: 北京交通大学

Inventor： 辛涛 ,  杨燚 ,  王森 ,  戴传青 ,  孔超 ,  王朋松 ,  李秋义 ,  任西冲

IPC: G06F18/15 ,  G06N3/0442 ,  G06N3/08 ,  G06Q50/40

Abstract: 本发明提供一种用于恢复轨道交通多通道振动信号丢失数据的方法及系统，属于轨道交通信号数据处理技术领域，包括，考虑数据随时间变化的特性趋势，应用自编混合数据扩充长短时神经网络，搭建序列到序列的数据恢复模型，根据现场采集的多通道振动连续监测数据，使用丢失通道的相邻通道数据进行回归分析，得到丢失通道数据与相邻通道数据的关系，建立多通道影响下的时序数据预测模型，修复丢失通道数据。本发明在传统单通道时序数据预测神经网络的基础上，充分考虑了多通道时序序列关系，在此基础上使用混合数据进行恢复模型训练，提出混合数据扩充长短时神经网络恢复模型。相对传统数据恢复方法在效率和准确度上具有明显的改进。

公开(公告)号：CN118070002A

公开(公告)日：2024-05-24

申请号：CN202410328198.X

申请日：2024-03-21

Applicant: 北京交通大学

Inventor： 辛涛 ,  杨燚 ,  王森 ,  戴传青 ,  孔超 ,  王朋松 ,  李秋义 ,  任西冲

IPC: G06F18/15 ,  G06N3/0442 ,  G06N3/08 ,  G06Q50/40

Abstract: 本发明提供一种用于恢复轨道交通多通道振动信号丢失数据的方法及系统，属于轨道交通信号数据处理技术领域，包括，考虑数据随时间变化的特性趋势，应用自编混合数据扩充长短时神经网络，搭建序列到序列的数据恢复模型，根据现场采集的多通道振动连续监测数据，使用丢失通道的相邻通道数据进行回归分析，得到丢失通道数据与相邻通道数据的关系，建立多通道影响下的时序数据预测模型，修复丢失通道数据。本发明在传统单通道时序数据预测神经网络的基础上，充分考虑了多通道时序序列关系，在此基础上使用混合数据进行恢复模型训练，提出混合数据扩充长短时神经网络恢复模型。相对传统数据恢复方法在效率和准确度上具有明显的改进。