列车仿真技术中基于属性矩阵图的故障分析决策树算法

列车运行时,其车载设备每时每刻都要产生大量的数据。传统数据处理方法是先由车载设备存储日记,再由人工对文本格式的日志进行下载,这即便耗费了大量的时间和精力,也只是分析了部分数据。

因此有必要引入数据挖掘技术,通过决策树模型在线分析处理列车运行数据,发现其中的关联规则。

这不仅能尽早发现列车存在的故障隐患,提高列车的运行效率,也能节省人工核对数据的成本,具有非常高的现实意义。为此,提出了基于列车仿真技术的数据挖掘系统方案。

有机器学习与轨道交通多学科交叉行业的研究者可以交流参考一下。

CNKI:http://cnki.sris.com.tw/kcms/detail/detail.aspx?QueryID=4&CurRec=1&DbCode=CJFD&dbname=CJFDLAST2016&filename=TDTH201604020

你可能感兴趣的:(机器学习在列车仿真技术中的应用,人工智能,智慧城市,数据挖掘)