基于卷积神经网络的铁路故障持续时间预测方法研究

作者：朱月皓; 孟令云; 廖正文; 王先枢; 田海宁

来源：铁路计算机应用, 2023, 32(12): 13-17.

• 铁路故障持续时间
• 自然语言处理
• 卷积神经网络(CNN)
• Word2vec
• 安监报1

随着铁路网络复杂程度的不断提高，铁路运营部门调度难度日益增加，亟须研究精准预测铁路故障持续时间的方法，从而提高铁路调度系统应对各类风险和事故的能力。文章基于“安监报1”的文本数据，结合Jieba分词、Word2vec词向量模型等自然语言处理技术，构建了一种基于卷积神经网络（CNN,Convolutional Neural Network）的铁路故障持续时间预测模型，并基于中国铁路沈阳局集团有限公司的实际生成数据进行试验。试验结果表明，本预测模型能够较为快速、准确地获取铁路故障持续时间及其概率分布，为列车的运行调整提供参考。

• 单位
  北京交通大学; 交通运输学院