融合外生因素的轨道竖向平顺性时空预测
机器学习
2023-02-24 v2 人工智能
摘要
为保障铁路运营安全，监测并预测轨道几何形位不平顺至关重要。更高的安全性要求以更高的时空频率进行预测，而这又需要捕捉空间相关性。此外，轨道几何形位不平顺受多种外生因素影响。本研究提出一种方法，通过纳入空间与外生因素计算，预测一类轨道几何形位不平顺——竖向平顺性。所提方法利用卷积长短期记忆网络嵌入外生因素并捕捉时空相关性。所提方法还就预测性能与其他方法进行了实验对比。此外，针对外生因素开展了消融研究以考察各自对预测性能的贡献。结果表明，空间计算与养护记录数据改善了竖向平顺性的预测。
引用
@article{arxiv.2211.03549,
title = {Spatiotemporal forecasting of vertical track alignment with exogenous factors},
author = {Katsuya Kosukegawa and Yasukuni Mori and Hiroki Suyari and Kazuhiko Kawamoto},
journal= {arXiv preprint arXiv:2211.03549},
year = {2023}
}
备注
21 pages, 7 figures