技术特征：
技术总结
本发明涉及交通运输技术领域，其目的在于提供一种基于深度学习的多属性数据建模方法。本发明包括以下步骤：S1：根据当前高速铁路区段的历史运营数据，提取列车晚点的影响因素及列车晚点观测值；S2：判断影响因素的属性；S3：将不同属性的影响因素分别输入Conv‑LSTM模型、LSTM模型和FCNN模型；S4：基于交叉验证分别优化上述各模型的神经元层数及各层神经元数，分别筛选出上述各模型中最小损失函数值的神经元层数及各层神经元数；S5：选定最终的多属性数据模型。本发明建立完成的多属性数据模型能够有效识别时间序列的时间依赖关系以及时空数据的时空依赖关系，实现对交通工具产生的多属性数据的建模。
技术研发人员：文超;黄平;李忠灿;汤轶雄;蒋朝哲
受保护的技术使用者：西南交通大学
技术研发日：2018.12.06
技术公布日：2019.04.16