[00105411]基于异质网络与时空演化的轨道交通故障分析与预测

该项目为北京市自然科学基金-交控科技资助项目（资助编号：L171010）。

该项目在基于异构网络模型的故障关联模型、基于操作时序数据的异常预测、基于日志数据的故障分析模型等方面开展了系统研究。

该项目构建了基于异构网络模型的故障关联模型，在此基础上研究了基于操作时序数据的异常预测方法，以及基于车载电路板数据的故障分析模型，提出基于改进 LSTM 的时序预测算法及改进随机森林算法的故障预测算法，取得的关键性成果如下：

1. 构建了异构网络模型的故障关联模型，支持 5 种以上数据源的元数据的整合、数据对齐、相似性定义等，有效的支持了故障数据的告警排查、故障分析功能。

2. 提出了结合传统 ARIMA 与 LSTM 的交通道岔电流数据的预测与故障分析方法，其中改进 LSTM 算法的 RMSE 为 0.24，较传统方法性能提升约 8%。

3. 提出了基于 BIC 降维与改进随机森林算法的板级故障分析算法，其中 BIC 降维方法抽取了 30 维有效的特征，改进随机森林算法可在正负样本失衡条件下，有效获得预测结果。

相关研究成果的应用或意义如下：

1. 基于改进随机森林算法有望应用在轨道交通故障预测领域，同传统算法相比，具有更好的准确性，具有结果稳定的优势。

2. 基于异质信息网络的故障关联模型，对故障分析领域具有重要科学意义和指导价值。