买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜南京理工大学申请的专利改进粒子群的BP网络的列车速度曲线预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114202128B 。

龙图腾网通过国家知识产权局官网在2025-04-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111557513.9，技术领域涉及：G06Q10/04；该发明授权改进粒子群的BP网络的列车速度曲线预测方法是由胡文斌;孙泽洲;耿路;秦建楠设计研发完成，并于2021-12-19向国家知识产权局提交的专利申请。

本改进粒子群的BP网络的列车速度曲线预测方法在说明书摘要公布了：本发明公开了一种改进粒子群的BP网络的列车速度曲线预测方法，采用数据降维算法，建立主成分分析模型，确定列车ATO速度曲线的影响因素；将相应的影响因素作为改进粒子群算法的BP神经网络的样本数据集，根据影响因素个数确定改进粒子群算法的神经网络的输入参数设置，并通过仿真模拟设计最优的神经网络的隐藏层的结构，建立完整的改进粒子群算法的BP神经网络神经网络模型；后续对数据集划分为样本数据集和测试验证数据集，将样本数据集进行数据归一化处理；将样本数据集作为改进粒子群算法的BP神经网络模型的输入，进行样本数据学习训练，确定好改进粒子群算法的BP神经网络模型的隐藏层的权重与阈值，并利用测试数据集进行准确性验证。利用训练好的改进粒子群算法的BP神经网络模型，进行城轨列车ATO速度曲线预测。本发明方法实现了ATO速度曲线的预测，为后续轨道交通列车能耗分析提供数据和理论支撑，具有较高的使用价值和应用前景。

本发明授权改进粒子群的BP网络的列车速度曲线预测方法在权利要求书中公布了：1.一种改进粒子群的BP网络的列车速度曲线预测方法，包括以下步骤：步骤1：利用主层次分析法，在现有的影响列车速度曲线的因素中确定关键影响因素，影响因素包含区间运行时间、区间长度、区间弯道值、区间坡道值、区间ATP限速值、列车重量和区间客流；步骤2：根据步骤1的关键影响因素，确定改进粒子群算法的BP神经网络预测模型的网络输入和预测模型的网络输出，利用经验公式确定网络模型的隐藏层，α取0～10之间的数；步骤3：选取关键影响因素制作成样本数据集合和测试数据集合，建立城轨列车ATO速度曲线综合预测的改进粒子群算法的BP神经网络模型；步骤4：初始化每个微粒的位置，将神经网络权重，阈值作为粒子位置纬度值，并将步骤3中的样本数据集和测试数据集进行归一化处理；步骤5：将步骤4中归一化之后的样本数据集，输入到神经网络模型中，通过计算至输出层，计算当前粒子当前的适应度函数值；步骤6：判断初始粒子的适应度值是否满足迭代停止的要求，如果满足则停止迭代，如果不满足，则对微粒的位置和速度进行更新；计算得到局部最优粒子的位置和全局最优粒子的位置，并将全局最优微粒的位置保存，将位置维度值赋给对应BP神经网络的参数w,b；步骤7：利用步骤5、步骤6中改进粒子群算法的BP神经网络模型，进行城轨列车ATO速度曲线预测；步骤8：将步骤7输出的预测值经过数据反归一化，得到城轨列车ATO系统的速度值；步骤1所述的确定列车ATO速度曲线关键影响因素，具体如下：步骤1.1：将现有的影响列车速度曲线的因素包括区间运行时间、区间长度、区间弯道值、区间坡道值、区间ATP限速值、列车重量和区间客流组成7列的矩阵X＝{Xik|k＝1,2,...,n},i＝1,2,...7；其中X为种类编号为i的影响因素值Xik的集合，k为影响因素的编号，n为影响因素值的样本的容量，i值为影响因素种类编号；步骤1.2：将X的每一行值进行零均值化，即减去这一行的均值： xik＝Xik-μi其中，xik则是编号为i的影响因素值进行零均值化的结果；步骤1.3：计算矩阵X的协方差矩阵C： C是一个对称矩阵，其对角线分别对应各个变量的方差，而第i行j列和j行i列元素相同，表示i和j两个变量的协方差，ai表示矩阵X的第i行，bj表示矩阵XT的第j列；步骤1.4：求出协方差矩阵C的特征值和特征向量：利用公式Cx＝λx，其中x为特征向量，λ为特征值，即可得到关于矩阵C的特征多项式，求解特征多项式就可以得到矩阵C特征值λi与特征向量xi；则协方差矩阵C有： 其中Λ为对角矩阵，其对角元素为各特征向量对应的特征值；E表示所有特征向量组成的矩阵；步骤1.5：由步骤1.4可知，P是协方差矩阵的特征向量单位化后按行排列出的矩阵，即P＝ET，其中每一行都是C的一个特征向量；如果设P按照Λ中特征值的从大到小，将特征向量从上到下排列，则用P的前K行组成的矩阵乘以原始数据矩阵X，就得到了降维后的数据矩阵Y，筛选出影响列车ATO速度曲线的关键因素；步骤2中所述的改进粒子的BP网络预测模型结构，包括三层结构，即输入层、隐含层和输出层，每层的层数分别为1，2，1；所述的改进粒子群算法的BP神经网络模型的输入，包括区间已运行时间、区间长度、坡道值、弯道值、各区间客流；所述的改进粒子群算法的BP神经网络模型的输出，包括列车ATO系统的速度值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。