基于气象参数的数据驱动连续焊接钢轨温度预测与胀轨跑道风险评估研究

《Intelligent Transportation Infrastructure》:A cost-efficient data-driven framework for rail temperature prediction and thermal buckling risk assessment

【字体: 大 中 小 】 时间:2026年09月19日 来源:Intelligent Transportation Infrastructure 3.7

编辑推荐:

   摘要 高温钢轨温度会破坏连续焊接钢轨(CWR)的完整性,产生的压应力可能引发轨道胀轨跑道。本研究提出了一种经济高效、数据驱动的钢轨温度预测框架,仅需两个实测输入——环境温度与相对湿度,这两个参数均可由标准气象站常规

  

摘要

高温钢轨温度会破坏连续焊接钢轨(CWR)的完整性,产生的压应力可能引发轨道胀轨跑道。本研究提出了一种经济高效、数据驱动的钢轨温度预测框架,仅需两个实测输入——环境温度与相对湿度,这两个参数均可由标准气象站常规测量获得,同时结合从时间戳中提取的时间特征。无需太阳辐射、风速或云量传感器,从而避免复杂传感器阵列的部署。预测结果被转换为控制胀轨跑道的主导轴向热应力,即轨道工程中所采用的关键参数。本研究对比了五种机器学习算法:人工神经网络(ANN)、支持向量回归(SVR)、随机森林(RF)、长短期记忆网络(LSTM)和XGBoost。评估了两种策略:基于两年数据集的长期全局模型,以及可提前预测最多三小时的短期滑动窗口模型。模型使用一条巴西货运铁路(2022–2023年)的实测数据进行训练,并在时间上完全分离的2024年1月至5月窗口进行验证——该时段为胀轨跑道风险最高的时期。超参数通过Tree-structured Parzen Estimator(TPE)优化器在Optuna框架中进行搜索。ANN在长期预测中取得了最低误差(?R2 = 0.946;MAE = 1.54 °C),SVR紧随其后(?R2 = 0.941;MAE = 1.63 °C),而SVR在提前一小时预测中取得了最佳短期精度(?R2 = 0.949;MAE = 1.09 °C,RF紧随其后,MAE = 1.10 °C)。以钢轨轴向应力表示,这些误差分别对应约3.67 MPa和2.59 MPa,约为中性温度以上20 ?°C超温所产生的压应力的7.7%和5.5%。尽管输入参数有限,该框架仍达到了具有竞争力的精度,为监测点稀疏的网络提供了一种切实可行的解决方案。

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号