1.一种基于深度学习的列车运行综合安全预警方法，其特征在于，包括：采集和计算直至当前时刻目标时间段内的列车所处区间的不同类型安全问题数量；其中，所述不同类型安全问题数量包括风险个数、隐患个数、事故故障个数、工务超限个数、电务报警个数、供电缺陷个数、机车报警个数、车辆报警个数和外部环境报警个数；若所述不同类型安全问题数量中任一类型安全问题数量超过其对应安全阈值，则发出安全预警；否则，将所述不同类型安全问题数量输入安全预警模型，若所述安全预警模型输出预警指示，则发出安全报警；其中，所述安全预警模型是基于样本目标时间段内的不同类型安全问题数量和对应的预警指示标签进行训练后得到的，训练过程中采用基于多虚拟机的分布式粒子群算法优化所述安全预警模型的神经网络中的待优化参数；其中，所述训练过程中采用基于多虚拟机的分布式粒子群算法优化所述安全预警模型的神经网络中待优化参数，具体包括：在所述安全预警模型的神经网络训练过程中，使用粒子群算法优化所述神经网络中的待优化参数；其中，任一粒子的适应度函数为基于该粒子作为所述神经网络中的待优化参数输出的预测值与输入样本值对应的标签确定的均方差函数；将每个粒子群算法部署于对应的虚拟机上；其中，各个虚拟机上设置对应的IP地址，所述IP地址用于虚拟机之间通过数据传输交换gbest全局最优位置实现gbest更新。
2.根据权利要求1所述的基于深度学习的列车运行综合安全预警方法，其特征在于，所述预警指示标签是人工对样本目标时间段内的不同类型安全问题数量进行判定标注的。
3.根据权利要求1-2中任一项所述的基于深度学习的列车运行综合安全预警方法，其特征在于，所述不同类型安全问题数量中任一类型安全问题数量超过其对应安全阈值，则发出安全预警，具体包括：若所述不同类型安全问题数量中任一类型安全问题数量超过其对应安全阈值，则发出对应于所述任一类型安全问题的报警。
4.一种基于深度学习的列车运行综合安全预警装置，其特征在于，包括：采集单元，用于采集和计算直至当前时刻目标时间段内的列车所处区间的不同类型安全问题数量；其中，所述不同类型安全问题数量包括风险个数、隐患个数、事故故障个数、工务超限个数、电务报警个数、供电缺陷个数、机车报警个数、车辆报警个数和外部环境报警个数；报警单元，用于若所述不同类型安全问题数量中任一类型安全问题数量超过其对应安全阈值，则发出安全预警；否则，将所述不同类型安全问题数量输入安全预警模型，若所述安全预警模型输出预警指示，则发出报警；其中，所述安全预警模型是基于样本目标时间段内的不同类型安全问题数量和对应的预警指示标签进行训练后得到的，训练过程中采用基于多虚拟机的分布式粒子群算法优化所述安全预警模型的神经网络中的待优化参数；其中，所述训练过程中采用基于多虚拟机的分布式粒子群算法优化所述安全预警模型的神经网络中待优化参数，具体包括：在所述安全预警模型的神经网络训练过程中，使用粒子群算法优化所述神经网络中的待优化参数；其中，任一粒子的适应度函数为基于该粒子作为所述神经网络中的待优化参数输出的预测值与输入样本值对应的标签确定的均方差函数；将每个粒子群算法部署于对应的虚拟机上；其中，各个虚拟机上设置对应的IP地址，所述IP地址用于虚拟机之间通过数据传输交换gbest全局最优位置实现gbest更新。
5.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至3中任一项所述的基于深度学习的列车运行综合安全预警方法的步骤。
6.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至3中任一项所述的基于深度学习的列车运行综合安全预警方法的步骤。
