基于机器学习算法和数据库技术的地铁运输环境振动预测模型的构建
1Mechanical and Industrial Engineering Department, College of Engineering, Northeastern University, 360 Huntington Ave, Boston, MA, USA. z17738729171@163.com.
Scientific reports
|March 16, 2024
概括
这项研究引入了一种使用机器学习来预测地铁振动的新模型,提高了准确性和运行稳定性. 开发的模型准确地预测了振动水平,确保了更顺的地铁运输运作.
科学领域:
- 土木工程 土木工程是指土木工程.
- 机械工程 机械工程
- 数据科学数据科学数据科学
背景情况:
- 地铁运输的振动,主要来自车轮与轨道的相互作用,干扰运营.
- 现有的预测模型缺乏准确性,速度和广泛适用性.
- 准确的振动预测对于地铁系统的效率和乘客舒适性至关重要.
研究的目的:
- 为地铁运输环境开发一种新的振动预测模型.
- 提高地铁振动预测的准确性和效率.
- 为了解决传统预测方法的局限性.
主要方法:
- 利用数据库理论和机器学习算法.
- 开发了地铁运输环境振动的预测模型.
- 与现实世界运营数据对模型进行验证.
主要成果:
- 该模型表现出高精度,预测值与实际值之间的平均差异为1.4dB.
- 最大误差差异是最小的 (0.29%和8.2%).
- 预测显示与实验数据有很好的一致性,特别是在100米范围内.
结论:
- 开发的模型准确地预测了地铁运输环境振动.
- 这种方法为提高地铁运行稳定性提供了可行的解决方案.
- 这些发现支持在基础设施监测和预测中使用机器学习.
