Постоянная ссылка (СИД2) |
J2132609357 |
Название |
Формирование пространства признаков и авторегрессионных моделей для прогноза отступлений железнодорожного полотна |
Автор |
Владова А. Ю. |
Источник |
Проблемы управления |
Страницы/Объём |
54-64 |
Сокращ. назв. источника |
Пробл. упр. |
Год |
2023 |
Номер |
2 |
Адрес в Интернет |
http://elibrary.ru/item.asp?id=53802519 |
Постоянная ссылка (СИД) |
J21326093 |
Ключевые слова (авторские) |
временныôе ряды%диагностика%дискретный технологический процесс%программный |
Место хранения |
Удаленный доступ. Эл. регистр. НЭБ |
Дата регистрации в ВИНИТИ |
30.05.2023 |
Язык текста |
русский |
Аннотация |
Диагностика железнодорожного полотна выявляет отступления параметров рельс в плане и профиле от нормативных значений. Приближение размеров отступлений к предельным значениям требует ограничения скоростей движения поездов. Поэтому прогноз изменений размеров отступлений является актуальной проблемой. Несмотря на значительный объем собираемых данных, эксплуатирующие организации недостаточно применяют методы машинного обучения для повышения качества прогноза параметров отступлений. Предлагаемый метод отличается от известных тем, что позволяет: увеличить размерность пространства признаков путем вычисления отклонений амплитуд отступлений от нормативных значений, площадей отступлений по длинам и амплитудам или отклонениям амплитуд с последующим представлением пространства признаков в виде 3D-матрицы; сформировать множество управляющих параметров (шаг дискретизации по времени, вид сезонных колебаний, количество точек изменения тренда и др.); прогнозировать размеры отступлений в группах, отличающихся видом и положением вдоль железнодорожного полотна. Прогноз ведут в рамках оптимизационной задачи по критерию минимума эмпирического риска и в результате получают семейство авторегрессионных моделей для каждого интервала дискретизации по длине полотна |
Тематический раздел |
Транспорт |
Издательский номер в РЖ |
23.09-11Ж.22 |
Шифр ГРНТИ |
73.29.01 |
Ключевые слова |
железнодорожный путь, рельсовая колея, диагностика; модели, авторегрессивные, пространство признаков |