基于支持向量机的地铁故障类型预测
张仪鹏
周玮腾
韩宝明
北京交通大学 交通运输学院,北京 100044
摘要：针对城市轨道交通运营压力增大带来的故障隐患和诸多问题,基于城市轨道交通故障隐患数据,构建支持向量机实验预测模型,将筛选处理后的数据与模型相结合,探究未来一定时间段内城市轨道交通可能发生故障的概率和类型,在不同维度、数据量的情况下,对模型运算的效果进行分析,找出其对模型准确率的影响,确定最佳数据维度和使用数据量,为运营公司应对突发故障提供决策辅助方法.以现有数据通过支持向量机模型进行概率预测估计,同时加入噪声数据测试对模型准确率的影响,最后与BP神经网络模型和极限学习机方法进行对比.研究结果表明:本文构建的模型进行地铁故障概率预测的准确率能够保持在60％左右,说明具有一定的可行性,同时能够在含有噪声数据的情况下进行故障发生概率预测.
关键词：城市轨道交通故障预测机器学习支持向量机
分类号：U121(城市交通运输)
资助基金：中央高校基本科研业务费专项(2022JBMC057)北京市自然科学基金(L201013)交控科技设计创新和学科发展基金(9907006511)
论文发表日期：2023-02-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 90-97 )
英文信息