基于LSTM的轨道电路补偿电容故障数量预测
【摘要】 针对铁路现场的补偿电容故障记录，提岀一种基于长短时记忆（LSTM）的轨道电路补偿电容故障数量预测方法°首先基于补偿电容故障记录，按一定的间隔时间统计构建补偿电容故障数量随时间变化的序列;然后基于LSTM构建故障数量预测模型，利用AdaDelta算法训练模型参数;再针对LSTM初始化超参数对预测模型性能有较大影响的问题,利用萤火虫算法对超参数进行优化，从而挖掘补偿电容故障数量随时间的变化规律，并实现对补偿电容未来一段时间内故障数量的预测°实验表明，该方法能够良好地拟合补偿电容故障数量随时间的变化规律，并能够较准确地预测补偿电容的故障数量，从而可以指导铁路部门提前协调设备、资金和维修人员等资源，提高补偿电容运维效率,为补偿电容故障预测的研究提供了新思路°
