МОЖЛИВОСТІ ВИКОРИСТАННЯ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ ПРИ ПРОГНОЗУВАННІ ПОЇЗНОЇ РОБОТИ ЗАЛІЗНИЧНИХ НАРЯМКІВ

Анотація

Ефективне оперативне планування перевізного процесу повинне базуватись на точному прогнозі надходження поїздів, вагонів, локомотивів, вантажів тощо. Цей прогноз можна реалізувати за допомогою сучасного математичного методу – апарату штучних нейронних мереж. Нейронні мережі мають такі властивості як адаптивне навчання, самоорганізація, узагальнення, обчислення в реальному часі та стійкість до перебоїв. Основними сферами застосування нейронних мереж є апроксимація функцій, асоціативна пам'ять, стиснення даних, розпізнавання та класифікація, оптимізаційні задачі, керування складними процесами та прогнозування. Складовими елементами формального нейрону являються х1, х2, …, хn – вхідні сигнали мережі, кожний з яких характеризується своєю вагою w1, w2, …, wn відповідно. Суматор Σ підсумовує вхідні сигнали, функція активації f описує правило переходу нейрона при надходженні нових сигналів. За архітектурою зв'язків нейромережі можуть бути згруповані в два класи: мережі прямого поширення, в яких графи не мають петель, і рекурентні мережі, або мережі зі зворотними зв'язками. Під навчанням нейромережі мається на увазі налаштування архітектури мережі і ваг зв'язків для ефективного виконання завдання. Методи навчання можна розділити на дві групи: з учителем та без учителя. Нейромережі можна використати для оперативного прогнозу моментів прибуття поїздів на технічні станції на основі відомих параметрів відправлення поїздів: інформації про час відправлення з сусідньої технічної станції, масу поїзда та даних про сезонну та тижневу нерівномірність. При розробці нейромережі для вирішення певної задачі слід розглянути декілька варіантів, що відрізняються, наприклад, кількістю нейронів у шарах, кількістю прихованих шарів тощо. Основними показниками, за якими можна виконати порівняння обраних архітектур нейромереж, можуть бути такі параметри як мінімальна похибка, а також високий коефіцієнт кореляції між фактичними та розрахованими даними. Таким чином, штучні нейронні мережі можуть бути широко використані при розробці систем оперативного керування рухом поїздів, оскільки дозволяють отримати точний прогноз з врахуванням багатьох факторів та є відносно простими для розробки.