1.基于数据驱动支持向量机的高速列车车轴温度预测方法，其特征在于，具体操作过程包括如下步骤：步骤1.通过传感器采集车轴温度与影响车轴温度变化的因素，并对采集到的实时数据进行数据预处理；

步骤2.利用互信息和皮尔逊相关系数得到车轴温度与其他影响车轴温度变化的因素的相关性，筛选出与车轴温度变化相关性大的因素以及相关性小的因素；

步骤3.利用支持向量回归机，选择用于车轴温度预测模型的核函数，根据步骤2筛选出来的与车轴温度变化相关性大的因素建立车轴温度预测模型；

步骤4.将待测数据分别代入步骤3中建立的车轴温度预测模型中，得到车轴温度的预测值；

所述步骤2的具体过程如下：

步骤2.1计算车轴温度与影响车轴温度变化的因素之间的互信息值和互信息系数；互信息值I(Xj,Y)通过公式(1)计算得到：其中，p(xj)和p(y)为xj和y各自的边缘概率分布，p(xj,y)为xj和y的联合概率分布；

互信息系数的通过公式(2)计算：

保留Lambda>0.85的因素作为第一次筛选后保留的对车轴温度变化影响显著的因素；

步骤2.2对第一次筛选出来的因素进行二次筛选，避免数据冗余，计算第一次筛选出来的对车轴温度变化影响显著的m个因素之间的皮尔逊相关系数，如公式(3)所示，其中，j和k的区间都是[1,m]；若存在第j个因素与第k个因素之间的皮尔逊相关系数的绝对值大于0.85，则比较这两个因素与车轴温度之间的互信息系数，去掉互信息值较小的因素，依次完成对待选因素的第二次筛选，经过两次筛选之后，剩余的因素为保留下来的对车轴温度影响显著的因素，也就是车轴温度预测的因变量；

所述步骤3的具体过程如下：

步骤3.1利用步骤2筛选得到的m个影响车轴温度变化的因素作为特征量，建立车轴温度预测模型，如公式(4)所示：y＝f(x1,x2,…,xm)                   (4)其中，y为待预测的车轴温度，x1,x2,…,xm为特征因素；令x＝[x1,x2,…,xm]，则上式表示为y＝f(x)；

步骤3.2将y＝f(x)进行线性回归得到公式(5)：T

f(x)＝ω ·Φ(x)+b                 (5)其中，ω为权系数向量，Φ(x)为对输入变量进行某种非线性映射的结果，b为常数项，表示偏置；

对公式(5)进行优化，优化函数如公式(6)所示：

其中，|f(xi)‑yi|为损失函数，为了避免拟合精度的误差超出预定范围，同时使得||ω|2

|最小，加入松弛因子ξi和 将优化问题转化为约束最小化问题，化简后得到公式(7)：约束条件为： 引入拉格朗日乘子αi, βi, 构建拉格* *

朗日方程L(ω,b,α,α ,ξ,ξ )，对拉格朗日方程分别求ω,b,ξi, 的偏导，将求得的偏导分别代入拉格朗日方程中，经过变换，得到公式(8)：T

其中，K(xi,x)＝Φ(xi) Φ(x)是支持向量回归机的内积核函数，xi为训练样本，x为测试2

样本；选用常用的径向基核函数K(xi,x)＝exp(‑ γ ||xi‑x|| )与多项式核函数其中，γ为核函数的半径，d为多项式的阶，r为偏执系数，选取不敏感损失函数为0.01，利用步骤2筛选得到的对车轴温度变化影响显著的因素与车轴温度的数据寻找精度最高的惩罚因子C和核函数参数g；最后，支持向量回归算法中的核函数分别选用径向基核函数与多项式核函数，根据公式(8)分别得到基于径向基核函数的影响车轴温度变化因素与车轴温度的车轴温度预测模型如公式(9)所示，基于多项式核函数的影响车轴温度变化因素与车轴温度的车轴温度预测模型如公式(10)所示：

2.如权利要求1所述的基于数据驱动支持向量机的高速列车车轴温度预测方法，其特征在于，所述步骤1中数据的预处理过程如下：步骤1.1将采集到的实时数据进行空缺值处理，具体如下：令车轴温度数据Y(i)与可能影响车轴温度变化的数据Xj(i)，共有n行数据样本，其中，i为第i行数据，j为可能影响车轴温度变化的因素，选择临近平均插值法，分为以下两种情况：

1)当i＝1或i＝n，Y(i)或Xj(i)出现空缺值时，Y(i＝1)＝Y(i＝2)，Y(i＝n)＝Y(i＝n‑

1)，Xj(i＝1)＝Xj(i＝2)，Xj(i＝n)＝Xj(i＝n‑1)；

2)当i不等于1或者n，Y(i)或Xj(i)出现空缺值时，利用Y(i‑1)与Y(i+1)或Xj(i‑1)与Xj(i+1)的平均值来填补空缺值；

步骤1.2空缺值处理完成后，根据转化公式： 对数据进行归一化，归一化到区间[0‑1]之间；其中，y为车轴温度或影响车轴温度变化因素归一化后的值，Xj为实际值，△为(Xj)max‑(Xj)min。

3.如权利要求1所述的基于数据驱动支持向量机的高速列车车轴温度预测方法，所述步骤4的具体过程如下：将待测数据分别代入步骤3中得到的车轴温度预测模型公式(9)和公式(10)中，分别得到预测的车轴温度y'和y”，对比两个模型预测结果的平均绝对误差与均方根误差，平均绝对误差的计算公式为 其中，n为预测的轴温数据，ypre为预测车轴温度，ytest为实际车轴温度；均方根误差的计算公式为最后，将平方根误差与均方根误差较小的预测模型确定为最佳的车轴温度预测模型，从而得到车轴温度的最佳预测值。