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！

申请/专利权人：兰州交通大学

摘要：本发明公开了一种基于深度卷积生成对抗网络的高原地区铁路线路设计方法，首先，构建高原地区铁路线路参数设计影响因素的初选指标体系；其次，选用GIS指标图和包含建设完成的铁路线路的高程图训练数据；以训练后的初选指标体系构建属性决策表并将数据归一化后，利用IFA‑NRSR算法对指标进行属性约简，得到优化后的指标体系；最后，将优化后的指标体系输入生成器网络结构，输出包含铁路线路的高程图；再将高程图输入判别器网络结构，输出高原地区铁路线路图。本发明提升了铁路线路设计的精确度和效率，能够学习真实环境中铁路周围的关键特征和纹理，生成与现实中铁路线路几乎一致的走向方案，为未来铁路线路设计提供一种新的参考途径。

主权项：1.基于深度卷积生成对抗网络的高原地区铁路线路设计方法，其特征在于，包括以下步骤：S1、构建高原地区铁路线路参数设计影响因素的初选指标体系；根据高原地区铁路线路参数设计影响因素的初选指标，构建高原地区铁路线路参数设计影响因素的初选指标体系，所述初选指标体系包括高程与地形、地质结构、气候条件、水文植被和人类活动五个方面，所述高程与地形包括高程、坡度、坡向、曲率以及地形粗糙度的指标，所述地质结构包括土壤类型和地质灾害历史点的指标，所述气候条件包括年平均温度、年降水量、风速和风向、以及相对湿度的指标，所述水文植被包括河流与流域、以及植被覆盖的指标，所述人类活动包括人口密度、以及土地利用类型的指标；S2、GIS空间分析；分别将初选指标体系中所包括的指标制作成GIS图层，所有GIS图层均转换为统一的空间参考坐标系，选用GIS指标图和包含建设完成的铁路线路的高程图为训练集进行数据训练；S3、优化初选指标体系；以训练后的初选指标体系构建属性决策表，将决策表数据归一化后，利用改进萤火虫-邻域粗糙集IFA-NRSR算法对指标进行属性约简，方法如下：首先，将基于邻域粗糙集的依赖度函数构造为萤火虫算法的适应度函数，定义一个邻域决策系统，其中，U为所有萤火虫的集合，C为非空有限属性集，D为所有属性值集合，δ为每个对象的每个属性赋予一个属性值，对于任何一个条件属性子集，根据所有属性值集合D划分出UD={D1，D2，...，Dl}，D1，D2，...，Dl分别表示每一个划分属性值集合，则： 其中，Fitness表示萤火虫个体亮度，表示D对B的属性依赖度，有： 其中，表示集合元素个数，PosBD表示D在B上的下近似；然后，将归一化后的决策表数据输入邻域决策系统NDS，初始化萤火虫算法参数；设置公告板以记录目标函数值和萤火虫种群内个体的位置；之后，采用logistic混沌映射结果构建可行解作为萤火虫寻优初始解，随机初始化萤火虫种群内个体的位置，所采用公式如下： 其中，x为萤火虫个体的位置，n为萤火虫个体，，xn0，1）；通过Levy飞行策略优化搜索步长，Levy飞行策略分布的公式如下： 其中，β为Levy指数，s为步长；引入Levy飞行策略后萤火虫种群内个体的位置更新公式更改为： 其中，xi为第i个萤火虫的位置，xj为第j个萤火虫的位置，k为迭代次数，εi为随机数，βij为随机数，levy为步长因子；最后，利用更新公式更新萤火虫种群内个体的位置，并利用所述属性依赖度的公式计算萤火虫的亮度，根据萤火虫的亮度更新公告板，并输出约简结果，得到优化后高原地区铁路线路设计的指标体系；S4、生成高原地区铁路线路；将优化后高原地区铁路线路设计的指标体系输入基于卷积神经网络的生成器网络结构，输出包含铁路线路的高程图；将包含铁路线路的高程图输入判别器网络结构，输出高原地区铁路线路图。

全文数据：

权利要求：

百度查询： 兰州交通大学 基于深度卷积生成对抗网络的高原地区铁路线路设计方法